simulasi peramalan tingkat indeks …lib.unnes.ac.id/21755/1/4112312033-s.pdf · exponential...

i

SIMULASI PERAMALAN TINGKAT

INDEKS PEMBANGUNAN MANUSIA DI PROVINSI

JAWA TENGAH DENGAN METODE EXPONENTIAL

SMOOTHING MENGGUNAKAN MICROSOFT

VISUAL BASIC 6.0

Tugas Akhir

disusun sebagai salah satu syarat

untuk memperoleh gelar Ahli Madya

Program Studi Statistika Terapan dan Komputasi

oleh

Shela Ardhiana Rezwari

4112312033

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2015

v

MOTTO DAN PERSEMBAHAN

MOTTO

Sesungguhnya sesudah kesulitan itu ada kemudahan (QS. Al Insyirah: 6).

Tidak ada harga atas waktu, tapi waktu sangat berharga. Memiliki waktu

tidak menjadikan kita kaya, tetapi menggunakannya dengan baik adalah

sumber dari semua kekayaan (Mario Teguh).

If you can’t explain it simply, you don’t understand it well enough (Albert

Einstein).

There’s no next time, it’s now or never.

PERSEMBAHAN

Untuk Bapak, Ibu, Kakak, dan Adik

terimakasih atas doa, kasih sayang dan

motivasinya yang selama ini

Teman-teman D3 Staterkom angkatan 2012

Almamaterk

vi

ABSTRAK

Rezwari, Shela Ardhiana. 2015. Simulasi Peramalan Tingkat Indeks

Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode Exponential

Smoothing Menggunakan Microsoft Visual Basic 6.0. Tugas Akhir (TA), Program

Studi Statistika Terapan dan Komputasi Jurusan Matematika FMIPA UNNES.

Pembimbing: Drs. Supriyono, M.Si dan Florentina Yuni Arini, S.Kom, M.Cs.

Indeks Pembangunan Manusia (IPM) merupakan suatu ukuran yang

digunakan untuk mengukur pencapaian pembangunan manusia di suatu wilayah.

Ukuran kinerja pembangunan secara keseluruhan dibentuk melalui pendekatan

tiga dimensi dasar, yaitu umur panjang dan sehat, pengetahuan, dan penghidupan

yang layak. Suatu cara untuk memprediksi kondisi di masa yang akan datang

disebut dengan forecast. Model forecast exponential smoothing merupakan salah

satu model peramalan deret berkala yang dilakukan dengan perhitungan secara

terus menerus menggunakan data terbaru, untuk memprediksi kemungkinan pada

periode mendatang.

Keterkaitan dunia komputasi dalam dunia sehari-hari sangatlah penting di

era globalisasi seperti ini yang diharapkan semua pekerjaan tidak dikerjakan

secara manual. Sebagai contoh pengolahan dan perhitungan data tertentu yang

bisa diaplikasikan dalam sebuah program sehingga ketika seseorang melakukan

perhitungan data bisa lebih menghemat waktu dalam menghitung.

Tujuan dari penulisan tugas akhir ini adalah untuk mengetahui cara

meramalkan data dengan metode exponential smoothing dan mengetahui seberapa

besar nilai forecast (peramalan) Indeks Pembangunan Manusia Provinsi Jawa

Tengah Tahun 2014 menurut pemilihan nilai alpha dengan mengambil tiga sampel

yaitu nilai α terkecil yaitu 0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9,

serta membuat program aplikasi untuk mempermudah perhitungan dengan

menggunakan Miscrosoft Visual Basic 6.0.

Hasil dari penulisan tugas akhir ini yaitu peramalan IPM Provinsi Jawa

Tengah Tahun 2014 dengan alpha 0,1; 0,5; dan 0,9 untuk metode single

exponential smoothing berturut-turut sebesar 71,34; 73,49; dan 73,98. Untuk

metode double exponential smoothing berturut-turut sebesar 72,53; 74,50; dan

74,69. Sedangkan untuk metode triple exponential smoothing berturut-turut

sebesar 73,43; 74,,62; dan 74,92.

Diperoleh kesimpulan bahwa peramalan terbaik untuk IPM Indeks

Pembangunan Manusia Tahun 2014 untuk alpha 0,1 menggunakan metode triple

exponential smoothing diperoleh nilai forecast sebesar 73,43. Untuk alpha 0,5

menggunakan metode triple exponential smoothing diperoleh nilai forecast

sebesar 74,62. Sedangkan untuk alpha 0,9 menggunakan metode double

exponential smoothing diperoleh nilai forecast sebesar 74,61.

Saran yang diberikan pada pembuatan program simulasi ini yaitu melakukan

pengembangan pada program simulasi yang telah dibuat dan memperhatikan

kekurangan maupun kelemahan pada program simulasi tersebut.

Kata Kunci : Peramalan dan Exponential Smoothing.

vii

PRAKATA

Puji syukur saya panjatkan kehadirat Allah SWT yang telah memberikan

rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini

dengan judul: “Simulasi Peramalan Tingkat Indeks Pembangunan Manusia Di

Provinsi Jawa Tengah Dengan Metode Exponential Smoothing Menggunakan

Microsoft Visual Basic 6.0”.

Dalam mengerjakan dan menyusun tugas akhir ini, penulis telah banyak

mendapatkan bantuan, bimbingan, dan dorongan yang sangat bermanfaat dari

berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan

terimakasih kepada:

1. Prof. Dr. Fathur Rokhman, Rektor Universitas Negeri Semarang.

2. Prof. Dr. Wiyanto, M.Si, Dekan Fakultas Matematika dan Ilmu Pengetahuan

Alam Universitas Negeri Semarang.

3. Drs. Arief Agoestanto, M.Si, Ketua Jurusan Matematika Universitas Negeri

Semarang.

4. Endang Sugiharti, S.Si,. M.Kom, Ketua Program Studi Statistika Terapan dan

Komputasi.

5. Drs. Supriyono, M.Si, sebagai Dosen Pembimbing I.

6. Florentina Yuni Arini, S.Kom, M.Cs, sebagai Dosen Pembimbing II.

7. Ibram S.E sebagai Kepala Badan Pusat Statistik Provinsi Jawa Tengah.

8. Semua staf dan anggota Dinas BPS Provinsi Jawa Tengah.

9. Bapak dan Ibu serta keluargaku yang selalu mendoakan serta memberikan

dorongan dan motivasi kepadaku.

viii

10. Teman-teman D3 Staterkom angkatan 2012 yang selalu memberi motivasi

dan dukungan dalam menyelesaikan tugas akhir.

11. Pihak lain yang telah membantu baik langsung maupun tidak langsung

sehingga tugas akhir ini dapat terselesaikan.

Dalam penyusunan Tugas Akhir ini penulis menyadari masih terdapat

keterbatasan serta kekurangan, sehingga masih jauh dari sempurna. Oleh karena

itu, merupakan kebanggaan bagi penulis apabila ada masukan yang membantu

demi kesempurnaan Tugas Akhir ini untuk bekal melangkah yang lebih baik.

Dengan tersusunnya Tugas Akhir ini penulis berharap semoga bermanfaat

bagi penulis sendiri, pihak-pihak yang terkait serta pembaca pada umumnya.

Semarang, 2015

Penulis,

Shela Ardhiana Rezwari

4112312033

ix

DAFTAR ISI

Halaman

ABSTRAK ............................................................................................................ vi

PRAKATA ............................................................................................................ vii

DAFTAR ISI ......................................................................................................... ix

DAFTAR TABEL ................................................................................................. xi

DAFTAR GAMBAR ............................................................................................ xii

DAFTAR LAMPIRAN ....................................................................................... xiii

BAB

1. PENDAHULUAN ......................................................................................... 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Rumusan Masalah dan Pembatasan Masalah .......................................... 4

1.3 Tujuan dan Manfaat ................................................................................. 5

1.4 Sistematika Penulisan .............................................................................. 6

2. LANDASAN TEORI ..................................................................................... 8

2.1 Indeks Pembangunan Manusia ................................................................ 8

2.2 Peramalan (Forecast) ............................................................................... 21

2.3 Data Time Series ...................................................................................... 23

2.4 Peramalan Dengan Pemulusan (Smoothing) ............................................ 23

2.5 Microsoft Visual Basic 6.0 ...................................................................... 30

2.6 Flowchart ................................................................................................. 38

3. METODE PENELITIAN ............................................................................... 42

3.1 Ruang Lingkup Penelitian ........................................................................ 42

3.2 Variabel Penelitian dan Cara pengambilan Data ..................................... 42

3.3 Metode Penelitian .................................................................................... 43

3.4 Analisis Data ............................................................................................ 44

x

4. HASIL PENELITIAN DAN PEMBAHASAN ............................................. 46

4.1 Data .......................................................................................................... 46

4.2 Rancangan Program ................................................................................. 48

4.3 Hasil Penelitian ........................................................................................ 54

4.4 Pembahasan Hasil Simulasi Program ...................................................... 79

4.5 Pembahasan Rekap Hasil Ramalan .......................................................... 82

5. PENUTUP ...................................................................................................... 84

5.1 Simpulan .................................................................................................. 84

5.2 Saran ........................................................................................................ 85

DAFTAR PUSTAKA ........................................................................................... 86

LAMPIRAN .......................................................................................................... 88

xi

DAFTAR TABEL

Tabel Halaman

2.1 Komoditi Kebutuhan Pokok Sebagai Dasar Perhitungan Daya Beli (PPP).18

2.2 Nilai Maksimum dan Minimum Komponen IPM ...................................... 20

4.1 Data IPM Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013............. 46

4.2 Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............ 56

4.3 Simulasi program peramalan Single Exponential Smoothing Alpha 0,1

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Microsoft VB 6.0 .. 56

4.4 Perhitungan manual peramalan Single Exponential Smoothing Alpha 0,5

IPM Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel ............. 58



4.6 Perhitungan Manual peramalan Single Exponential Smoothing Alpha 0,9




4.8 Perhitungan Manual peramalan Double Exponential Smoothing Alpha 0,1


4.9 Simulasi program peramalan Double Exponential Smoothing Alpha 0,1










xii

Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,1 IPM

Provinsi Jawa Tengah Tahun 2014 menggunakan Ms. Excel...................... 73

4.15 Simulasi program peramalan Triple Exponential Smoothing Alpha 0,1


4.16 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,5




4.18 Perhitungan Manual peramalan Triple Exponential Smoothing Alpha 0,9




4.20 Rekap hasil Peramalan terbaik Indeks Pembangunan Manusia (IPM )

Provinsi Jawa Tengah Tahun 2014 dengan semua metode peramalan

berdasarkan alpha 0,1; 0,5; dan 0,9. ........................................................... 82

xiii

DAFTAR GAMBAR

Gambar Halaman

2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0................................ 31

2.2 Tampilan dasar Visual Basic 6.0 ................................................................. 32

2.3 Menu-menu pada Menu Bar ........................................................................ 33

2.4 Bentuk Toolbar Standart ............................................................................. 33

2.5 Kumpulan kontrol pada Toolbox ................................................................. 33

2.6 Bentuk dari Form Window .......................................................................... 34

2.7 Suatu Prosedur dalam Code Window ........................................................... 34

2.8 Project Explorer .......................................................................................... 35

2.9 Tab alphabetic pada Properties Windows ................................................... 35

2.10 Bentuk dari form pada Layout Window ....................................................... 36

4.1 Pola Data IPM Provinsi Jawa Tengah Tahun 2005-2013 ............................ 47

4.2 Flowchart alir sistem................................................................................... 59

4.3 Tampilan Desain Form Awal ...................................................................... 50

4.4 Tampilan Desain form Input Data ............................................................... 50

4.5 Tampilan Desain form Peramalan ............................................................... 51

4.6 Tampilan Desain form Single Exponential Smoothing ................................ 52

4.7 Tampilan Desain form Double Exponential Smoothing .............................. 52

4.8 Tampilan Desain form Triple Exponential Smoothing ................................ 53

4.9 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,1 ........... 57

4.10 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,5 .......... 59

4.11 Trend Peramalan Metode Single Exponential Smoothing Alpha 0,9 .......... 61

4.12 Trend Peramalan Metode Double Exponential Smoothing Alpha 0,1 ........ 65



4.15 Trend Peramalan Metode Triple Exponential Smoothing Alpha 0,1 .......... 74



xiv

4.18 Hasil Peramalan terbaik dengan Alpha 0,1 untuk Indeks Pembangunan

Manusia (IPM ) Provinsi Jawa Tengah Tahun 2014, berdasarkan simulasi

program menggunakan Microsoft VB 6.0. .................................................... 79







xv

DAFTAR LAMPIRAN

Lampiran Halaman

1. Data IPM Provinsi Jawa Tengah Tahun 2005 – 2013...................................... 88

2. Perhitungan Peramalan Metode Single Exponential Smoothing IPM Provinsi

Jawa Tengah Tahun 2014 ................................................................................. 89

3. Perhitungan Peramalan Metode Double Exponential Smoothing IPM Provinsi

Jawa Tengah Tahun 2014 ................................................................................. 90

4. Perhitungan Peramalan Metode Triple Exponential Smoothing IPM Provinsi

Jawa Tengah Tahun 2014..................................................................................93

5. Koding Program................................................................................................96

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Manusia berkualitas merupakan kekayaan bangsa yang sesungguhnya.

Sudah sepantasnya apabila manusia menjadi tujuan utama dalam pembangunan.

Keberhasilan pembangunan khususnya pembangunan manusia dapat dinilai secara

parsial dengan melihat seberapa besar permasalahan yang paling mendasar di

masyarakat tersebut dapat teratasi. Permasalahan-permasalahan tersebut

diantaranya adalah kemiskinan, pengangguran, buta huruf, ketahanan pangan, dan

penegakan demokrasi. Namun persoalannya adalah pencapaian pembangunan

manusia secara parsial sangat bervariasi dimana beberapa aspek pembangunan

tertentu berhasil dan beberapa aspek pembangunan lainnya gagal (BPS, 2006:3).

Menurut UNDP (1990:1), pembangunan manusia adalah suatu proses untuk

memperbesar pilihan-pilihan bagi manusia (“a process of enlarging people’s

choices”). Dari definisi ini dapat dItarik kesimpulan bahwa fokus pembangunan

suatu negara adalah penduduk, karena penduduk adalah kekayaan nyata suatu

negara. Konsep atau definisi pembangunan manusia tersebut pada dasarnya

mencakup dimensi pembangunan yang sangat luas. Definisi ini lebih luas dari

definisi pembangunan yang hanya menekankan pada pertumbuhan ekonomi.

Dalam konsep pembangunan manusia, pembangunan seharusnya dianalisis serta

dipahami dari sudut manusianya, bukan hanya dari pertumbuhan ekonominya.

2

Sebagaimana dikutip dari UNDP (1995:118), sejumlah premis penting

dalam pembangunan manusia diantaranya adalah: pembangunan harus

mengutamakan penduduk sebagai pusat perhatian; Pembangunan dimaksudkan

untuk memperbesar pilihan-pilihan bagi penduduk, tidak hanya untuk

meningkatkan pendapatan mereka; oleh karena itu, konsep pembangunan manusia

harus terpusat pada penduduk secara keseluruhan, dan bukan hanya pada aspek

ekonomi saja; Pembangunan manusia memperhatikan bukan hanya pada upaya

meningkatkan kemampuan (kapabilitas) manusia tetapi juga pada upaya-upaya

memanfaatkan kemampuan manusia tersebut secara optimal; Pembangunan

manusia didukung empat pilar pokok, yakni: produktifitas, pemerataan,

kesinambungan, dan pemberdayaan; dan Pembangunan manusia menjadi dasar

dalam penentuan tujuan pembangunan dan dalam menganalisis pilihan-pilihan

untuk mencapainya.

Indeks Pembangunan Manusia (IPM) merupakan salah satu cara untuk

mengukur keberhasilan atau kinerja suatu negara atau wilayah dalam bidang

pembangunan manusia. IPM merupakan suatu indeks komposit yang mencakup

tiga bidang pembangunan manusia yang dianggap sangat mendasar yang dilihat

dari kualitas fisik dan non fisik penduduk. Adapun 3 indikator tersebut yakni

indikator kesehatan, tingkat pendidikan, dan indikator ekonomi. Kualitas fisik

tercermin dari angka harapan hidup, sedangkan kualitas non fisik tercermin dari

lamanya rata-rata penduduk bersekolah dan angka melek hidup (tingkat

pendidikan), serta mempertimbangkan kemampuan ekonomi yaitu pengeluaran

real per kapita. Provinsi Jawa Tengah secara administratif terbagi menjadi 29

3

kabupaten dan 6 kota, dengan banyaknya jumlah Kabupaten/Kota tentunya akan

memberikan gambaran mengenai pembangunan manusia yang bervariasi

(Mudrajad,2003: 26).

Suatu cara untuk memprediksi kondisi di masa yang akan datang disebut

dengan peramalan (forecast) (Gitosudarmo & Najmudin, 2000: 1). Peramalan

dapat menunjang proses pengambilan keputusan. Ada tiga model yang dikenal

untuk menganalisis peramalan, yaitu model ekonometrika, model deret berkala

(time series) dan model ramalan kualitatif. Model ramalan exponential smoothing

merupakan salah satu model ramalan deret berkala. Teknik peramalan dengan

metode exponential smoothing dilakukan dengan perhitungan secara terus

menerus menggunakan data baru, untuk memprediksi kemungkinan pada periode

mendatang. Untuk kemudahan perhitungan ramalan model exponential

smoothing, dapat digunakan software pengolahan data Miscrosoft excel dengan

memasukkan formula yang sesuai dengan rumus exponential smoothing.

Dengan adanya kemajuan ilmu teknologi semakin dirasakan kegunaanya

oleh manusia. Hal tersebut terjadi karena hasil kemajuan yang ada pada saat ini

telah menjadi bagian yang tidak dapat dipisahkan dengan kebutuhan manusia itu

sendiri. Salah satu kemajuan ilmu teknologi adalah pembuatan program dengan

Visual Basic. Visual Basic merupakan bahasa pemrograman yang paling popular

dan mudah untuk dipelajari oleh pemula sekalipun. Cukup banyak aplikasi yang

berbasis Windows yang diprogram dengan Visual Basic dan ini semakin

menegaskan bahwa Visual Basic adalah bahasa yang cukup mudah untuk

dipahami.

4

Dari uraian diatas terlihat bahwa ada keterkaitan program dengan kegiatan

sehari-hari sebagai media yang mempermudah suatu pekerjaan sehingga tidak

membutuhkan waktu yang lama dalam proses pengelolaan dan proses

pengerjaanya. Microsoft Visual Basic yang diaplikasikan ke dalam bentuk

program perhitungan memberi kemudahan dalam proses perhitungan dan

pengolahan data. Dalam hal ini adalah meramalkan kemungkinan yang akan

terjadi di waktu mendatang berdasarkan data waktu sebelumnya.

Berdasarkan pemikiran di atas, maka penulis mencoba untuk membuat

suatu program aplikasi yang dapat membantu mempermudah dan mempercepat

dalam perhitungan peramalan terutama untuk model ramalan pemulusan

(smoothing forecast) sebagai Tugas Akhir dengan judul “Simulasi Peramalan

Tingkat Indeks Pembangunan Manusia Di Provinsi Jawa Tengah Dengan Metode

Exponential Smoothing Menggunakan Microsoft Visual Basic 6.0”.

1.2 Rumusan Masalah Dan Pembatasan Masalah

1.2.1 Rumusan Masalah

Masalah yang akan disajikan dalam penelitian ini adalah sebagai berikut:

a. Bagaimana model peramalan metode exponential smoothing terbaik untuk

IPM Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan

0,9?

b. Berapakah nilai peramalan metode exponential smoothing untuk IPM

Provinsi Jawa Tengah Tahun 2014 berdasarkan alpha 0,1; 0,5; dan 0,9?

5

c. Bagaimana pengembangan program Visual Basic 6.0 untuk peramalan

metode exponential smoothing untuk IPM Provinsi Jawa Tengah Tahun

2014?

1.2.2 Pembatasan Masalah

Dalam penulisan Tugas Akhir ini, penulis hanya akan membahas metode

exponential smoothing untuk meramalkan IPM Provinsi Jawa Tengah Tahun 2014

dalam pemilihan nilai α dengan mengambil tiga sampel yaitu nilai α terkecil yaitu

0,1; nilai tengah yaitu 0,5; dan nilai α tebesar yaitu 0,9. Kemudian menyusun

program aplikasi untuk mempermudah peramalan metode exponential smoothing

dengan menggunakan Microsoft Visual Basic 6.0 .

1.3 Tujuan dan Manfaat

1.3.1 Tujuan

Tujuan yang ingin dicapai melalui penelitian ini adalah sebagai berikut:

1. Untuk mengetahui dan menganalisis penggunaan metode exponential

smoothing terhadap peramalan IPM Provinsi Jawa Tengah Tahun 2014.

2. Untuk mengetahui berapa besar nilai ramalan metode exponential

smoothing terhadap IPM Provinsi Jawa Tengah Tahun 2014.

3. Untuk mengetahui pengembangan program Visual Basic 6.0 terhadap

peramalan dengan metode exponential smoothing IPM Provinsi Jawa

Tengah Tahun 2014.

1.3.2 Manfaat

6

Adapun manfaat penelitian ini adalah sebagai berikut.

1. Bagi Mahasiswa

a. Mengaplikasikan ilmu yang telah didapat dibangku perkuliahan sehingga

menunjang persiapan untuk terjun ke dunia kerja.

b. Menambah wawasan dan pengetahuan penggunaan metode exponential

smoothing untuk peramalan IPM Provinsi Jawa Tengah.

c. Terapan langsung Microsoft Visual Basic 6.0 untuk penyusunan program

aplikasi peramalan dengan metode exponential smoothing.

2. Bagi Jurusan Matematika

a. Dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan bagi

mahasiswa.

b. Sebagai bahan referensi bagi pihak perpustakaan dan bahan bacaan yang

dapat menambah ilmu pengetahuan bagi pembaca.

3. Bagi Instansi

Aplikasi Visual Basic 6.0 untuk peramalan Metode Exponential

Smoothing dapat dijadikan sebagai instrumen atau alat dalam melakukan

peramalan IPM Provinsi Jawa Tengah agar lebih efektif dan efisien.

1.4 Sistematika Penulisan

Sistematika Tugas Akhir terdiri dari tiga bagian yaitu bagian

pendahuluan, bagian isi dan bagian akhir seperti berikut.

(1) Bagian awal berisi halaman judul, halaman pengesahan, abstrak, motto dan

persembahan, kata pengantar, daftar isi, daftar lampiran dan daftar tabel.

(2) Bagian isi terdiri dari lima bab, yaitu:

7

BAB I : PENDAHULUAN

Dalam bab ini berisi latar belakang masalah, rumusan dan batasan

masalah, tujuan dan manfaat, serta sistematika tugas akhir.

BAB II : LANDASAN TEORI

Dalam bab ini akan dibahas dan diuraikan secara teoritis

mengenai konsep–konsep yang dijadikan landasan teori masalah

dan berisi tentang deskripsi IPM, peramalan dengan metode

exponential smoothing, dan Miscrosoft Visual Basic.

BAB III : METODE KEGIATAN

Dalam bab ini akan dibahas dan diuraikan metode kegiatan yang

berisi langkah–langkah yang ditempuh untuk memecahkan

masalah, variabel yang digunakan, cara mengumpulkan data dan

analisis data.

BAB IV : HASIL KEGIATAN DAN PEMBAHASAN

Dalam bab ini akan dikemukakan metode kegiatan yang berasal

dari peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan

Microsoft Excel, dan simulasi program peramalan exponential

smoothing dengan Microsoft Visual Basic 6.0.

BAB V : PENUTUP

Dalam bab ini berisi simpulan dari pembahasan dan saran yang

berkaitan dengan simpulan.

(3) Bagian akhir tugas akhir berisi daftar pustaka dan lampiran.

8

BAB II

LANDASAN TEORI

2.1 Indeks Pembangunan Manusia

2.1.1 Konsep Umum Pembangunan Manusia

Mengutip isi Human Development Report (HDR) pertama tahun 1990,

pembangunan manusia adalah suatu proses untuk memperbanyak pilihan-pilihan

yang dimiliki oleh manusia. Diantara banyak pilihan tersebut, pilihan yang

terpenting adalah untuk berumur panjang dan sehat, untuk berilmu pengetahuan,

dan untuk mempunyai akses terhadap sumber daya yang dibutuhkan agar dapat

hidup secara layak (UNDP 1995:1).

Pada tahun 1990 UNDP (United Nations Development Programme) dalam

laporannya “Global Human Development Report” memperkenalkan konsep

“Pembangunan Manusia (Human Development)” sebagai paradigma baru model

pembangunan. Menurut UNDP, pembangunan manusia dirumuskan sebagai

perluasan pilihan bagi penduduk (enlarging the choices of people), yang dapat

dilihat sebagai proses upaya ke arah “perluasan pilihan” dan sekaligus sebagai

taraf yang dicapai dari upaya tersebut. Pada saat yang sama pembangunan

manusia dapat dilihat juga sebagai pembangunan (formation) kemampuan

manusia melalui perbaikan taraf kesehatan, pengetahuan, dan keterampilan;

sekaligus sebagai pemanfatan (utilization) kemampuan/ketrampilan mereka.

Konsep pembangunan di atas jauh lebih luas pengertiannya dibandingkan konsep

9

pembangunan ekonomi yang menekankan pada pertumbuhan (economic growth),

kebutuhan dasar, kesejahteraan masyarakat, atau pegembangan sumber daya

manusia (UNDP 1993:1).

Berdasarkan konsep Pembangunan Manusia yang dikembangkan oleh PBB

(Perserikatan Bangsa-Bangsa), menetapkan peringkat kinerja pembangunan

manusia pada skala 0,0 – 100,0 dengan kategori sebagai berikut:

a) IPM ≥ 80,00

b) 66,00 ≤ IPM < 79,90

c) 50,00 ≤ IPM < 65,90

d) IPM < 50,00

(Sumber data perhitungan komponen IPM dari Survei Sosial Ekonomi Nasional

(SUSENAS) yang dilakukan BPS setiap tahun yang mencakup seluruh Provinsi di

Indonesia).

Sebagaimana dikutip dari laporan UNDP atau United Nations Development

Programme (1995:103), ada beberapa konsep penting mengenai pembangunan

manusia yaitu sebagai berikut:

a. Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.

b. Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi

penduduk, bukan hanya untuk meningkatkan pendapatan mereka. Oleh

karena itu, konsep pembangunan manusia harus berpusat pada penduduk

secara komprehensif dan bukan hanya pada aspek ekonomi semata.

c. Pembangunan manusia memperhatikan bukan hanya pada upaya

meningkatkan kemampuan atau kapasitas manusia, tetapi juga pada

10

upayaupaya memanfaatkan kemampuan/kapasitas manusia tersebut secara

optimal.

d. Pembangunan manusia didukung oleh empat pilar pokok, yaitu diantaranya

produktivitas, pemerataan, kesinambungan dan pemberdayaan.

e. Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan

dan dalam menganalisis pilihan-pilihan untuk mencapainya.

Menurut UNDP dalam Human Development Report (HDR) 1995 yang

menekankan bahwa untuk memperluas pilihan-pilihan manusia, konsep

pembangunan manusia harus dibangun dari empat dimensi yang tidak terpisahkan.

Berdasarkan konsep di atas maka untuk menjamin tercapainya tujuan

pembangunan manusia, ada empat unsur pokok yang perlu diperhatikan (UNDP,

1995:12) yaitu:

a. Produktivitas (Productivity)

Masyarakat harus mampu untuk meningkatkan produktifitas mereka dan

berpartisipasi penuh dalam proses mencari penghasilan dan lapangan

pekerjaan. Oleh karena itu, pembangunan ekonomi merupakan bagian dari

model pembangunan manusia.

b. Pemerataan (equity)

Masyarakat harus mempunyai akses untuk memperoleh kesempatan yang

adil. Semua hambatan terhadap peluang ekonomi dan politik harus

dihapuskan sehingga masyarakat dapat berpartisipasi di dalam dan

memperoleh manfaat dari peluang-peluang yang ada.

11

c. Kesinambungan (Sustainability)

Akses untuk memperoleh kesempatan harus dipastikan bahwa tidak hanya

untuk generasi sekarang tetapi juga untuk generasi yang akan datang. Semua

jenis pemodalan baik itu fisik, manusia, dan lingkungan hidup harus

dilengkapi.

d. Pemberdayaan (Empowerment)

Pembangunan harus dilakukan oleh masyarakat, dan bukan hanya untuk

mereka. Masyarakat harus berpartisipasi penuh dalam mengambil keputusan

dan prosesproses yang memengaruhi kehidupan mereka.

2.1.2 Komponen IPM

Komponen IPM adalah usia hidup (longevity), pengetahuan (knowledge), dan

standar hidup layak (decent living). Usia hidup diukur dengan angka harapan

hidup atau e0 yang dihitung menggunakan metode tidak langsung (metode Brass,

varian Trussel) berdasarkan variabel rata-rata anak lahir hidup dan rata-rata anak

yang masih hidup (Bappeda, 2012: 6-7).

Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama

sekolah yang dihitung berdasarkan data Susenas Kor. Sebagai catatan, UNDP

dalam publikasi tahunan HDR sejak 1995 menggunakan indikator partisipasi

sekolah dasar, menengah, dan tinggi sebagai pengganti rata-rata lama sekolah

karena sulitnya memperoleh data rata-rata lama sekolah secara global. Indikator

angka melek huruf diperoleh dari variabel kemampuan membaca dan menulis,

sedangkan indikator rata-rata lama sekolah dihitung dengan menggunakan dua

12

variabel secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan

jenjang pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1).

Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi

real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator PDB

per kapita real yang telah disesuaikan (adjusted real GDP per capita) sebagai

ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik

untuk keperluan perbandingan antar negara (Bappeda, 2009: 2).

Indeks pembangunan manusia (IPM) atau Human Development Index (HDI)

adalah indikator untuk mengukur kualitas (derajat perkembangan manusia) dari

hasil pembangunan ekonomi. Human Development Index diperkenalkan pertama

kali oleh UNDP pada tahun 1990. IPM menggunakan ukuran sosial ekonomi yang

lebih komprehensif daripada GNP dan memungkinkan untuk membandingkan

negara dengan cara yang berbeda. Penghitungan IPM sebagai indikator

pembangunan manusia memiliki tujuan penting (UNDP, 1995:118), diantaranya:

a) Membangun indikator yang mengukur dimensi dasar pembangunan manusia

dan perluasan kebebasan memilih.

b) Memanfaatkan sejumlah indikator untuk menjaga ukuran tersebut sederhana.

c) Membentuk satu indeks komposit dari pada menggunakan sejumlah indeks

dasar.

d) Menciptakan suatu ukuran yang mencakup aspek sosial dan ekonomi.

Dalam indeks pembangunan manusia terdapat tiga komposisi indikator yang

digunakan untuk mengukur besar indeks pembangunan manusia suatu negara,

yakni :

13

1. Tingkat kesehatan diukur harapan hidup saat lahir (tingkat kematian bayi).

2. Tingkat pendidikan diukur dengan jumlah penduduk yang melek huruf atau

tingkat pendidikan yang telah dicapai atau lamanya pendidikan seorang

penduduk.

3. Standar kehidupan diukur dengan tingkat pengeluaran perkapita per tahun

(BPS,2012:2).

2.1.3 Indikator IPM

Beberapa istilah yang digunakan dalam penghitungan Indeks Pembangunan

Manusia, antara lain mencakup pengertian indikator IPM mengenai istilah angka

harapan hidup, Tingkat pendidikan, dan angka hidup layak diantaranya adalah:

a) Angka Harapan Hidup

Angka Harapan Hidup merupakan rata-rata perkiraan banyak tahun yang

dapat ditempuh oleh seseorang selama hidup. Penghitungan angka harapan

hidup melalui pendekatan tak langsung (indirect estimation). Jenis data yang

digunakan adalah Anak Lahir Hidup (ALH) dan Anak Masih Hidup (AMH).

Paket program Mortpack digunakan untuk menghitung angka harapan hidup

berdasarkan input data ALH dan AMH. Selanjutnya, dipih metode Trussel

dengan model West, yang sesuai dengan histori kependudukan dan kondisi

Indonesia dan negara-negara Asia Tenggara umumnya (Preston, 2004).

Indeks harapan hidup dihitung dengan menghitung nilai maksimum dan nilai

minimum harapan hidup sesuai standar UNDP, yaitu angka tertinggi sebagai

batas atas untuk penghitungan indeks dipakai 85 tahun dan terendah adalah

25 tahun (BPS, 2013:106).

14

b) Tingkat Pendidikan

Dalam hal ini, indikator yang digunakan adalah rata-rata lama sekolah (mean

years of schooling) dan angka melek huruf. Pada proses pembentukan IPM,

rata-rata lama sekolah memiliki bobot sepertiga dan angka melek huruf diberi

bobot dua pertiga, kemudian penggabungan kedua indikator ini digunakan

sebagai indeks pendidikan sebagai salah satu komponen pembentuk IPM.

Rata-rata lama sekolah menggambarkan jumlah tahun yang digunakan oleh

penduduk usia 15 tahun keatas dalam menjalani pendidikan formal.

Perhitungan rata-rata lama sekolah menggunakan dua batasan yang dipakai

sesuai kesepakatan beberapa negara. Rata-rata lama sekolah memiliki batas

maksimumnya 15 tahun dan batas minimum sebesar 0 tahun.

Angka melek huruf adalah presentase penduduk usia 15 tahun keatas yang

dapat membaca dan menulis huruf latin dan atau huruf lainnya. Seperti halnya

rata-rata lama sekolah, angka melek huruf juga menggunakan batasan yang

dipakai sesuai kesepakatan beberapa negara. Batas maksimum untuk angka

melek huruf adalah 100, sedangkan batas minimumnya 0 (nol). Nilai 100

menggambarkan kondisi 100 persen atau semua masyarakat mampu

membaca dan menulis, sedangkan nilai 0 mencerminkan kondisi sebaliknya

(BPS, 2013:107).

c) Indeks Hidup Layak

Untuk mengukur dimensi standar hidup layak (daya beli), UNDP

mengunakan indikator yang dikenal dengan real per kapita GDP adjusted.

Untuk perhitungan IPM sub nasional (Provinsi atau Kabupaten/Kota) tidak

15

memakai PDRB per kapita karena PDRB per kapita hanya mengukur

produksi suatu wilayah dan tidak mencerminkan daya beli real masyarakat

yan penting bagi IPM. Untuk mengukur daya beli penduduk antar Provinsi di

Indonesia, BPS menggunakan data rata-rata konsumsi 27 komoditi terpilih

dari Survei Sosial Ekonomi Nasional (SUSENAS) yang dianggap paling

dominan dikonsumsi oleh masyarakat Indonesia dan telah distandarkan agar

bisa dibandingkan antar daerah dan antar waktu yang disesuaikan dengan

indeks PPP (BPS, 2013:107).

2.1.4 Metodologi

2.1.4.1 Cakupan IPM Provinsi Jawa Tengah

IPM adalah suatu indikator pembangunan manusia yang diperkenalkan

UNDP pada tahun 1990. Pada dasarnya IPM mencakup tiga komponen yang

dianggap mendasar bagi manusia dan secara operasional mudah dihitung untuk

menghasilkan suatu ukuran yang merefleksikan upaya pembangunan manusia.

Ketiga aspek tersebut berkaitan dengan peluang hidup (longevity), pengetahuan

(knowledge), dan hidup layak (decent living). Peluang hidup dihitung berdasarkan

angka harapan hidup ketika lahir; pengetahuan diukur berdasarkan rata-rata lama

sekolah angka melek huruf penduduk usia 15 tahun keatas; dan hidup layak

diukur dengan pengeluaran per kapita yang didasarkan pada Purchasing Power

Parity (paritas daya beli dalam rupiah) (Bappeda, 2012: 6-7).

Usia hidup diukur dengan angka harapan hidup atau e0 yang dihitung

menggunakan metode tidak langsung (metode Brass, varian Trussel) berdasarkan

variabel rata-rata anak lahir hidup dan rata-rata anak yang masih hidup.

16

Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama

sekolah yang dihitung berdasarkan data Suseda. Sebagai catatan, UNDP dalam

publikasi tahunan Human Development Report (HDR). Indikator angka melek

huruf diperoleh dari variabel kemampuan membaca dan menulis, sedangkan

indikator rata-rata lama sekolah dihitung dengan menggunakan dua variabel

secara simultan; yaitu tingkat/kelas yang sedang/pernah dijalani dan jenjang

pendidikan tertinggi yang ditamatkan (Bappeda, 2009: 1).

Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi

real yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator

Produk Domestik Bruto (PDB) per kapita real yang telah disesuaikan (adjusted

real GDP per capita) sebagai ukuran komponen tersebut karena tidak tersedia

indikator lain yang lebih baik untuk keperluan perbandingan antar negara (BPS,

2013: 107).

Penghitungan indikator konsumsi real per kapita yang telah disesuaikan

dilakukan melalui tahapan pekerjaan sebagai berikut :

Menghitung pengeluaran konsumsi per kapita dari Susenas Modul (=A) .

Mendeflasikan nilai A dengan Indeks Harga Konsumen (IHK) ibukota

propinsi yang sesuai (=B).

Menghitung daya beli per unit (=Purchasing Power Parity (PPP)/unit).

Metode penghitungan sama seperti metode yang digunakan International

Comparison Project (ICP) dalam menstandarkan nilai PDB suatu negara.

17

Data dasar yang digunakan adalah data harga dan kuantum dari suatu basket

komoditi yang terdiri dari nilai 27 komoditi yang diperoleh dari Susenas

Modul (Tabel 2.1).

Membagi nilai B dengan PPP/unit (=C).

Menyesuaikan nilai C dengan formula Atkinson sebagai upaya untuk

memperkirakan nilai marginal utility dari C.

Penghitungan PPP/unit dilakukan dengan rumus :

∑

PPP / unit = -------------------------

∑

dimana,

E( i, j ) : Pengeluaran konsumsi untuk komoditi j di kabupaten ke-i

p( 9, j ) : Harga komoditi j di DKI Jakarta (Jakarta Selatan)

q( i,,j ) : Jumlah komoditi j (unit) yang dikonsumsi di kabupaten ke-i

Rumus Atkinson (dikutip dari Arizal Ahnaf dkk, 1998;129) yang digunakan

untuk penyesuaian rata-rata konsumsi real secara matematis sebagai berikut :

C (i)* = C(i) jika C(i) < Z

= Z + 2(C(i) – Z) (1/2)

jika Z < C(i) < 2Z

= Z + 2(Z) (1/2)

+ 3(C(i) – 2Z) (1/3)

jika 2Z < C(i) < 3Z

= Z + 2(Z) (1/2)

+ 3(Z) (1/3)

+4(C(i) – 3Z) (1/4)

jika 3Z < C(i) < 4Z

di mana,

C(I) = Konsumsi per kapita riil yang telah disesuaikan dengan PPP/unit

18

Z = Threshold atau tingkat pendapatan tertentu yang digunakan sebagai batas

kecukupan yang dalam laporan ini nilai Z ditetapkan secara arbiter sebesar

Rp 547.500,- per kapita setahun, atau Rp 1.500,- per kapita per hari.

Indeks Pembangunan Manusia (IPM) disajikan dalam 27 komoditi seperti Tabel

2.1

Tabel 2.1

Komoditi Kebutuhan Pokok Sebagai

Dasar Perhitungan Daya Beli (PPP)

Komoditi Unit

Sumbangan Terhadap

Total Konsumsi (%)*)

(1) (2) (3)

1. Beras lokal Kg 7.25 2. Tepung terigu Kg 0.10 3. Ketela pohon Kg 0.22 4. Ikan

tongkol/tuna/cakalang

Kg 0.50 5. Ikan teri Ons 0.32 6. Daging sapi Kg 0.78 7. Daging ayam kampung Kg 0.65 8. Telur ayam Butir 1.48 9. Susu kental manis 397 gram 0.48

10. Bayam Kg 0.30 11. Kacang panjang Kg 0.32 12. Kacang tanah Kg 0.22 13. Tempe Kg 0.79 14. Jeruk Kg 0.39 15. Pepaya Kg 0.18 16. Kelapa Butir 0.56

17. Gula pasir Ons 1.61 18. Kopi bubuk Ons 0.60 19. Garam Ons 0.15 20. Merica/lada Ons 0.13 21. Mie instant 80 gram 0.79 22. Rokok kretek/filter 10 batang 2.86

19

23. Listrik Kwh 2.06 24. Air minum M

3 0.46

25. Bensin Liter 1.02 26. Minyak tanah Liter 1.74 27. Sewa rumah Unit 11.56

T o t a l 37.52

*) Berdasarakan data SUSENAS 1996, Sumber: BPS 2013

Unit kuantitas rumah dihitung berdasarkan indeks kualitas rumah yang

dibentuk dari tujuh komponen kualitas tempat tinggal yang diperoleh dari Suseda.

Ketujuh komponen kualitas yang digunakan dalam penghitungan indeks kualitas

rumah diberi skor sebagai berikut :

Lantai : keramik, marmer, atau granit = 1, lainnya = 0

Luas lantai per kapita : > 10 m2 = 1, lainnya = 0

Dinding : tembok = 1, lainnya = 0

Atap : kayu/sirap, beton = 1, lainnya = 0

Fasilitas penerangan : listrik = 1, lainnya = 0

Fasilitas air minum : leding = 1, lainnya = 0

Jamban : milik sendiri = 1, lainnya = 0

Skor awal untuk setiap rumah = 1

Indeks kualitas rumah merupakan penjumlahan dari skor yang dimiliki oleh

suatu rumah tinggal dan bernilai antara 1 sampai dengan 8. Kuantitas dari rumah

yang dikonsumsi oleh suatu rumah tangga adalah Indeks Kualitas Rumah dibagi

8. Sebagai contoh, jika suatu rumah tangga menempati suatu rumah tinggal yang

mempunyai Indeks Kualitas Rumah = 6, maka kuantitas rumah yang dikonsumsi

oleh rumah tangga tersebut adalah 6/8 atau 0,75 unit (BPS, 2013: 108).

2.1.4.2 Metode Perhitungan

20

Rumus penghitungan IPM dikutip dari Arizal Ahnaf dkk (1998;129) dapat

disajikan sebagai berikut :

IPM = 1/3 [X(1) + X (2) + X (3)]

dimana,

X(1) : Indeks harapan hidup

X(2) : Indeks pendidikan = 2/3(indeks melek huruf) + 1/3(indeks rata-rata lama

sekolah)

X(3) : Indeks standar hidup layak

Masing-masing indeks komponen IPM tersebut merupakan perbandingan

antara selisih nilai suatu indikator dan nilai minimumnya dengan selisih nilai

maksimum dan nilai minimum indikator yang bersangkutan. Rumusnya dapat

disajikan sebagai berikut :

Dimana,

:

Indikator ke-i (i = 1,2,3)

: Nilai maksimum X(i)

: Nilai minimum X(i)

Nilai maksimum dan nilai minimum indikator seperti terlihat dalam Tabel

2.2.

Tabel 2.2 Nilai Maksimum dan Minimum Komponen IPM

Indikator Komponen Nilai Nilai Catatan

21

IPM Maksimum Minimum

Angka Harapan Hidup (Tahun) 85 25 Standar (UNDP)

Angka Melek Huruf (Persen) 100 0 Standar (UNDP)

Rata-rata lama sekolah

(Tahun)

15 0 Standar (UNDP)

Daya Beli (Rupiah) 732.720 a)

360.000

b)

(1996, dst)

Pengeluaran per

Kapita Real

Disesuaikan

disesuaikan Sumber: BPS, BAPPENAS, UNDP, 2004

Catatan: a) Perkiraan maksimum pada akhir PJP II yahun 2018

b) Penyesuaian garis kemiskinan lama dengan garis kemiskinan baru

2.1.4.3 Rancangan Sampling

Secara umum rancangan sampling Indeks Pembangunan Manusia (IPM)

melalui dua tahap. Tahap Pertama, dari setiap provinsi dipilih secara purposive

bersyarat, dipilih sejumlah Kabupaten yang merupakan daerah sentra produksi

pertanian. Dan tahap selanjutnya dari setiap Kabupaten terpilih, dipilih sejumlah

Kecamatan yang merupakan sentra produksi pertanian.

2.2 Peramalan (Forecast)

2.2.1 Definisi dan Tujuan Peramalan

Peramalan adalah seni dan ilmu dalam memprediksikan kejadian yang

mungkin dihadapi pada masa yang akan datang. Dengan digunakannya peralatan

metode-metode peramalan maka akan memberikan hasil peramalan yang lebih

dapat dipercaya ketetapannya. Oleh karena masing-masing metode peramalan

berbeda-beda, maka penggunaannya harus hati-hati terutama dalam pemilihan

metode untuk penggunaan dalam kasus tertentu (Ariyoso, 2009:1). Peramalan

juga memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan

22

data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode

statistika (Soepranto, 1984:4).

Peramalan definisikan sebagai alat/teknik untuk memprediksi atau

memperkirakan suatu nilai pada masa yang akan datang dengan meperhatikan

data atau informasi yang relevan, baik data/informasi masa lalu maupun

data/informasi saat ini (Djalal & Hardius,2004:226).

2.2.2 Hubungan Forecast Dengan Rencana

Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang,

sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang

akan datang (Pangestu Subagyo, 1986:3). Dengan sendirinya terjadi perbedaan

antara forecast dengan rencana.

2.2.3 Pemilihan Metode Yang Baik

Dalam bidang sosial ekonomi meskipun tidak dapat membuat forecast persis

dengan kenyataan, tapi bukan berarti forecast tidak penting. Melainkan forecast

sangat penting sebagai pedoman dalam pembuatan rencana. Menurut Sahli (2013:

63). Ketepatan metode peramalan digunakan sebagai petunjuk seberapa jauh

model peramalan meproduksi data yang telah diketahui tersebut.

Kerja dengan menggunakan forecast jauh lebih baik dari pada tanpa forecast

sama sekali, hanya sekarang masalahnya bagaimanakah cara membuat forecast

agar mendekati kenyataan. Caranya harus bisa memlilih metode forecast yang

cocok dengan kasusnya. Banyak metode forecast yang ada, misalnya metode

23

dekomposisi, moving average, exponential smoothing, input output, regresi,

simulasi, analisis runtun waktu dan lain sebagainya. Tetapi setiap suatu metode

mungkin sangat cocok untuk membuat forecast mengenai satu hal, tetapi tidak

cocok untuk hal lain. Oleh karena itu kita harus memilih metode mana yang

paling cocok yaitu yang bisa meminimumkan kesalahan / error forecast

(Subagyo,1989:5).

Pemilihan teknik peramalan yang digunakan dipengaruhi oleh empat aspek,

yaitu pola atau karakteristik data, jangka waktu, biaya dan tingkat akurasi yang

diinginkan. Pola atau karakteristik data merupakan aspek utama yang sangat

berpengaruh terhadap pemilihan teknik peramalan. Suatu data yang memilik pola

trend (naik atau turun) akan lebih tepat bila di ramalkan dengan teknik

dekomposisi. Sedangkan data yang berpola fluktuatif akan lebih tepat bila

diforecast dengan teknik smoothing (Gitosudarmo & Najmudin, 2000:5).

2.3 Data Time Series

Data time series yaitu data yang dikumpulkan dari waktu ke waktu untuk

melihat perkembangan suatu kegiatan (misal perkembangan penjualan, harga dan

sebagainya), apabila data digambarkan akan menunjukan fluktuasi dan dapat

digunakan sebagai dasar penarikan trend untuk meramalkan suatu kegiatan. Hasil

peramalan ini berguna sebagai dasar perencanaan dan penarikan kesimpulan.

2.4 Peramalan Dengan Pemulusan (Smoothing)

Metode smoothing merupakan teknik meramal dengan cara mengambil rata-

rata dari nilai beberapa periode yang akan datang. Dalam metode ini data historis

24

digunakan untuk memperoleh angka yang dilicinkan atau diratakan. Smoothing

dapat dilakukan dengan cara moving average atau exponential smoothing.

2.4.1 Metode Exponential Smoothing

Metode Exponential Smoothing merupakan perkembangan dari metode

moving average sederhana. Dalam metode ini peramalan dilakukan dengan

mengulang perhitungan secara terus menerus dengan menggunakan data terbaru.

Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar

(Gitosudarmo & Najmudin, 2000: 16). Metode Exponential Smoothing lebih

cocok digunakan untuk meramal hal-hal yang fluktuasi datanya bersifat random

(tidak teratur) (Subagyo, 1989:22). Beberapa keunggulan metode pemulusan

eksponensial ( exponential smoothing ) dibandingkan dengan metode tradisional

(Leabo Dick A., 1968:322) adalah :

1. Data-data selalu dioperasikan dengan efisien;

2. Hanya membutuhkan sedikit data dari satu waktu ke waktu berikutnya;

3. Dapat dimodifikasi untuk mengolah data yang berisi trend tertentu atau pola

musiman;

4. Dapat digunakan dengan biaya murah baik secara manual maupun dengan

komputer.

Dalam bidang sumber daya air metode exponential smoothing juga telah

banyak digunakan terutama dalam peramalan data. Tularam, G. A., dkk.. (2008)

menggunakan exponential smoothing dalam metode untuk memisahkan aliran

dasar yang merupakan dampak langsung dari kesalahan hitungan, yaitu dengan

meminimumkan kesalahan dan menyeleksi koefisien aliran dasar alpha (α). Ada

25

tiga metode dalam Exponential Smoothing yaitu single exponential smoothing,

double exponential smoothing, triple exponential smoothing.

Nilai konstana atau parameter disebut smoothing constant. Persamaan ini

digunakan untuk menghitung ramalan dengan metode pemulusan eksponensial.

Metode ini banyak mengurangi masalah penyimpangan data, karena tidak perlu

lagi menyimpan semua data historis atau sebagian (seperti dalam kasus rata-rata

bergerak).

1) Konstanta Pemulusan (smoothing constant alpha)

Konstanta pemulusan (alpha) berfungsi sebagai faktor penimbang. Nilai

konstanta mempengaruhi keakuratan dan ketepatan dari forecast. Nilai

yang dipilih harus secara signifikan menurunkan forecast error. Kecepatan

pemulusan (smoothing) dari respon sebelumnya adalah fungsi dari nilai .

Jika mendekati 1, laju pemulusan cepat berarti nilai prediksi yang baru

sudah memasukkan faktor penyesuaian untuk setiap tingkat kesalahan yang

terjadi pada nilai prediksi yang lama. Tetapi jika mendekati 0, laju

pemulusan lambat berarti nilai prediksi yang baru hampir sama dengan nilai

prediksi yang lama. Nilai yang menghasilkan tingakat kesalahan (error)

yang paling kecil adalah yang dipilih dalam proses peramalan. Untuk

mengetahui nilai yang paling optimal, dapat digunakan metode simulasi

atau trial dan error. Ini merupakan prosedur iterasi yang dimulai dengan nilai

antara 0,1 sampai 0,9 (Subagyo, 1986:19).

26

Cara menggunakan metode diatas adalah sebagai berikut:

a. Tentukan terlebih dahulu nilai awal untuk

b. Kemudian cari nilai peramalannya menggunakan rumus exponential

smoothing.

c. Setelah diperoleh nilai peramalannya selanjutnya kita hitung nilai The Sum

of the Squared Errors (SSE), yaitu jumlah dari seluruh nilai peramalan.

d. Langkah selanjutnya menghitung nilai The Mean of the Squared Errors

(MSE), yaitu rata-rata dari seluruh nilai peramalan atau nilai The Sum of

the Squared Errors (SSE) dibagi dengan banyak data.

Telah dijelaskan sebelumnya bahwa nilai yang terbaik adalah yang

memberikan hasil The Mean of the Squared Errors (MSE) yang minimum.

Maka, yang memberikan nilai The Mean of the Squared Errors (MSE)

terkecil itulah yang dipilih untuk proses peramalan.

2) Kesalahan Ramalan (forecast error)

Untuk mendapatkan hasil forecast yang mendekati ketepatan adalah dengan

memilih hasil forecast yang memiliki nilai Mean Square Error (MSE) atau

Mean Absolute Error (MAE).

a. Mean Square Error (MSE)

Mean Square Error (MSE) adalah kuadrat rata-rata nilai error kuadrat dari

kesalahan meramal.

∑| |

b. Mean Absolute Error (MAE)

Mean Absolute Error (MAE) rata-rata nilai absolute dari kesalahan

27

meramal (tidak dihiraukan tanda positif atau negatifnya).

∑| |

2.4.1.1 Metode Single Exponential Smoothing

Pada metode ini digunakan jika data tidak mempengaruhi secara signifikan

oleh faktor trend dan musiman. Setiap data diberi bobot tertentu dengan data yang

lebih baru diberi bobot yang lebih besar dari pada data yang lebih lama. Bobot

yang diberikan pada data yang ada sebesar untuk data yang terbaru, (1-)

untuk data yang lama, (1-)2 untuk data yang lebih lama, dan seterusnya.

Besarnya adalah anatara 0 dan 1. Semakin mendekat 1 berarti semakin lebih

diperhatikan. Metode ini cocok digunakan untuk meramalkan hal-hal yang

fluktuasinya secara random (tidak teratur) (Gitosudarmo & Najmudin, 2000: 17).

Menurut Pangestu Subagyo (1986: 19) rumus untuk besarnya forecast single

exponential smoothing secara sistematis adalah:

Keterangan:

St+1 = ramalan untuk periode ke t+1

Xt = nilai data asli periode ke-t

St = ramalan untuk periode ke-t

α = konstanta perataan antara 0 dan 1

2.4.1.2 Metode Double Exponential Smoothing

Metode ini merupakan model linier yang dikemukakan oleh Brown. Metode

double exponential smoothing ini biasanya lebih tepat digunakan untuk

meramalkan data yang mengalami trend kenaikan dan proses smoothing dilakukan

28

dua kali. Pada metode ini proses penentuan ramalan dimulai dengan menentukan

besarnya secara trial dan error. Menurut (Gitosudarmo & Najmudin (2000: 23)

tahap-tahap dalam melakukan ramalan adalah sebagai berikut:

1) Menentukan Smoothing pertama tS

tS = Smoothing pertama periode ke-t

Xt = nilai data pada periode ke-t

1tS = Smoothing pertama periode ke t-1

2) Menentukan Smoothing kedua

Smoothing ke dua periode t – 1

3) Menentukan besarnya nilai at (konstanta)

4) Menentukan besarnya nilai bt (slope)

5) Menentukan besarnya forecast

m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang

akan datang peramalan dilakukan (Sugiman, 2013:26).

2.4.1.3 Metode Triple Exponential Smoothing

Metode ini merupakan metode yang yang dikemukakan oleh Brown, dengan

menggunakan persamaan kuadrat. Metode ini lebih cocok kalau dipakai untuk

29

membuat forecast hal yang berfluktuasi atau mengalami gelombang pasang surut.

Menurut Subagyo (1986: 26) prosedur pembuatan forecast dengan metode ini

adalah sebagai berikut:

1) Menentukan Smoothing pertama tS

tS = Smoothing pertama periode ke-t

Xt = nilai data pada periode ke-t

1tS = Smoothing pertama periode ke t-1

Untuk bulan pertama tS belum bisa dicari dengan rumus diatas. Maka boleh

ditentukan secara bebas seperti nilai yang terjadi pada bulan pertama

2) Menentukan Smoothing kedua

Pada bulan pertama biasanya nilai ditentukan seperti nilai yang terjadi

pada bulan pertama.

3) Menentukan Smoothing ketiga

Pada bulan pertama biasanya nilai ditentukan seperti nilai yang terjadi

pada bulan pertama.

4) Menentukan besarnya nilai at (konstanta)

5) Menentukan besarnya nilai bt (slope)

[

]

30

Mencari ct dengan menggunakan rumus:

6) Menentukan besarnya forecast

m adalah jangka waktu forecast kedepan, yaitu untuk beberapa tahun yang

akan datang forecast dilakukan.(Sugiman, 2013:27)

2.5 Microsoft Visual Basic 6.0

2.5.1 Definisi Visual Basic

Program Microsoft Visual Basic merupakan bahasa pemrograman tingkat

tinggi (High Level Languange). Microsoft Visual Basic juga merupakan bahasa

pemrograman Object Oriented Programming (OOP), yaitu pemrograman

berorientasi pada objek. Microsoft Visual Basic memiliki beberapa versi yaitu

Microsoft Visual Basic 3.0, Microsoft Visual Basic 5.0, Microsoft Visual Basic

Versi 6.0, VB. Net. Dan mungkin akan berkembang lagi dengan berbagai versi dan

semakin sempurna dalam penggunaannya.

Menurut Kusrini (2007:171), “Visual Basic adalah salah satu bahasa

pemrograman komputer”. Bahasa pemrograman adalah perintah-perintah yang

dimengerti oleh komputer untuk melakukan tugas-tugas tertentu. Visual Basic

merupakan salah satu development tool, yaitu alat bantu untuk membuat berbagai

macam program komputer, khususnya yang menggunakan sistem operasi

windows.

31

Menurut Suhata, (2005:3), “Visual Basic 6.0 merupakan salah satu bahasa

pemrograman yang dapat digunakan untuk menyusun dan membuat program

aplikasi pada lingkungan sistem operasi windows”. Program aplikasi dapat berupa

program database, program grafis, dan lain sebagainya. Di dalam visual basic 6.0

sudah terdapat kompenen-kompenen yang sangat membantu pembuatan program

aplikasi.

Menurut Komputer & Pengembangan (2004 : 34) untuk membuat sebuah

program aplikasi Visual Basic, dapat dilakukan dengan tiga langkah yaitu:

1) Menyusun atau mengatur objek-objek pada bidang yang disebut form.

2) Menentukan isi dari properties pada masing-masing objek sesuai dengan

kebutuhan untuk mengontrol aplikasi,

3) Menuliskan kode program kontrol yang dimaksud. Pada bagian ini akan

dituliskan kode-kode program dalam sebuah aplikasi yang sedang dibuat.

Untuk membuat aplikasi Visual Basic harus diketahui variabel dan jenis

datanya.

2.5.2 Memulai Program Visual Basic 6.0

Program Visual Basic 6.0 berjalan pada sistem operasi Windows, maka

sebelum memulai mengoperasikan program tersebut, harus mengaktifkan terlebih

dahulu sistem operasi Windows, dengan langkah-langkah sebagai berikut:

1. Klik tombol mouse sebelah kiri pada Start pada Taskbar.

2. Pilih menu program Visual Basic 6.0.

3. Selanjutnya sebuah kotak dialog New Project akan ditampilkan.

4. Dari tampilan tersebut pilih aplikasi Standart EXE, lalu klik Open.

32

Gambar 2.1 Tampilan Kotak Dialog New Project Visual Basic 6.0.

2.5.3 Tampilan Dasar Program Visual Basic 6.0

Gambar 2.2 Tampilan dasar Visual Basic 6.0

33

Layar program Visual Basic 6.0 merupakan suatu lingkungan besar yang

terdiri dari beberapa bagian kecil yang tersusun sedekimian rupa dan mempunyai

sifat-sifat sebagai berikut:

1. Docking, berfungsi sebagai tempat peletakan bagian IDE (Integrated

Development Integration) sehingga dapat menempel dengan bagian lain yang

berdekatan.

2. Floating, elemen-elemennya dapat digeser-geser ke posisi mana saja.

3. Sizable, elemen atau jendela dapat diubah-ubah ukurannya.

Dari sifat-sifat yang ada, maka dapat dengan mudah memindahkan,

menggeser, memperbesar atau meperkecil ukuran suatu komponen layar Visual

Basic 6.0 dapat dilihat pada Gambar 2.2.

2.5.3 Struktur Aplikasi Program Visual Basic 6.0

Aplikasi (project) yang tedapat dalam Visual Basic 6.0 terdiri atas bagian-

bagian sebagi berikut:

i. Menu Bar

Gambar 2.3 Menu-menu pada Menu Bar

Main Bar merupakan kumpulan perintah-perintah yang dikelompokan dalam

kiteria operasinya.

ii. Toolbar

Gambar 2.4 Bentuk Toolbar Standart

34

Toolbar merupakan sekumpulan tombol yang mewakili suatu perintah

tertentu pada Visual Basic.

iii. Toolbox

Gambar 2.5 Kumpulan kontrol pada Toolbox

Toolbox merupakan sebuah jendela dimana obyek atau kontrol ditempatkan

yang dibutuhkan untuk membentuk suatu program, dengan cara dipasang

pada form.

iv. Form Window

Gambar 2.6 Bentuk dari Form Window

35

Form Window (jendela form) merupakan area kerja untuk merancang suatu

program aplikasi Visual Basic. Pada jendela form ini dapat meletakkan

kontrol seperti command button, textbox, label, checkbox, dan lainnya.

v. Code Window

Gambar 2.7 Suatu Prosedur dalam Code Window

Code Window merupakan area untuk menuliskan kode-kode program Visual

Basic. Suatu kode-kode program merupakan kumpulan dari intruksi untuk

menjalankan obyek yang berupa kontrol maupun form serta logika program.

vi. Project Explorer

Gambar 2.8 Project Explorer

36

Project Explorer berfungsi berbagai saran pengakses bagian-bagian

pembentuk project. Pada windows ini terdapat tiga tombol pengaktif untuk

Windows Code, Windows Object dan Toggle Folder. Juga terdapat diagram

yang menampilkan susunan folder penyimpanan file-file project.

vii. Properties Windows

Gambar 2.9 Tab alphabetic pada Properties Windows

Properties Windows merupakan area yang berisi semua informasi mengenai

kontrol yang dibuat, dan bertugas menyiapkan segala properti dari kontrol

yang diperlukan dalam perancangan user interface maupun pemograman.

Tampilan Properties Windows dapat dilihat pada Gambar 2.9

viii. Form Layout Window

37

Gambar 2.10 Bentuk dari form pada Layout Window

Form Layout Window merupakan jendela yang menunjukkan tata letak form

saat ditampilkan pada layar monitor dapat dilihat pada Gambar 2.10.

2.5.4 Keunggulan Aplikasi Visual Basic

Dengan adanya Microsoft Visual Basic 6.0 ini dapat memudahkan para

programmer untuk membuat program yang familiar untuk pemakai (User) karena

menggunakan visualisasi dan animasi yang cukup tinggi serta tampilan yang

menarik untuk dilihat. Karena kemiripannya dengan pemrograman basic, bahasa

pemrograman Microsoft Visual Basic ini menjadi lebih mudah untuk dipahami

dan dipelajari. Microsoft Visual Basic 6.0 ini mempunyai kemampuan yang sangat

besar dalam membuat program-program yang lebih kompleks.

Microsoft Visual Basic terdiri dari beberapa versi, dan Microsoft Visual

Basic 6.0 merupakan penyempurnaan dari versi sebelumnya. Sejak diciptakan

versi pertamanya pada tahun 1991, Microsoft Visual Basic kini telah mencapai

versi yang keenam yang memilki keunggulan dari versi sebelumnya. Berikut ini

beberapa keunggulan dari Microsoft Visual Basic 6.0:

a) Kemampuan membuat ActiveX dan fasilitas internet yang lebih banyak.

b) Memiliki compiler yang dapat menghasilkan output file executable (.exe).

38

c) Memiliki beberapa tambahan sarana wizard yang lebih lengkap.

d) Membuat flat form pembuatan program yang diberi nama developer studio.

e) Sarana akses data yang lebih cepat dan handal untuk membuat aplikasi

database yang berkemampuan tinggi dan kompleks.

f) Penambahan kontrol baru yang lebih canggih serta peningkatan kaidah

struktur bahasa Microsoft Visual Basic 6.0.

2.5.5 Peralatan Pendukung (Tools System)

Peralatan pendukung mempunyai pengertian sebagai media yang dibutuhkan

oleh setiap programmer untuk membantu mempermudah dalam pembuatan,

pembacaan logika dan algoritma program, serta membantu untuk mengetahui

alur program yang dibuat mulai dari masukan, proses, dan keluaran yang

dihasilkan. Peralatan yang mendukung dalam perancangan program meliputi

konsep teori Normalisasi, File Index, Bagan Alir (Flowchart), Struktur Kode, dan

HIPO (Hierarchy plus Input Process Output).

2.5.6 Macam-macam Data di Visual Basic

Visual Basic mempunyai beberapa jenis data. Untuk mengidentifikasi sebuah

data pada sebuah variabel, Visual Basic menggunakan satu karakter tanda yang

diletakkan di akhir nama sebuah variabel. Jenis data dalam visual basic yaitu

boolean, integer, long, single, double, currency, date, object, string, dan variant.

2.6 Flowchart Menurut Jogiyanto (2005:795), “Bagan alir (flowchart) adalah bagan

(chart) yang menunjukan hasil (flow) didalam program atau prosedur sistem

secara logika”. Bagan alir digunakan terutama untuk alat bantu komunikasi dan

untuk dokumentasi. Menurut Jogiyanto (2005:802), “Flowcart adalah bagan-

39

bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelsaian

suatu masalah”. Flowcart merupakan cara penyajian dari suatu algoritma.

Pedoman dalam menggambar suatu bagan alir, analis sistem atau

pemrograman sebagai berikut;

a. Bagan alir sebaiknya digambar dari atas ke bawah dan mulai dari bagian kiri

dari suatu halaman.

b. Kegiatan didalam bagan alir harus ditunjukan dengan jelas dan harus

ditunjukan darimana kegiatan akan dimulai dan dimana akan berakhirnya.

c. Masing-masing kegiatan didalam bagan alir sebaiknya digunakan suatu kata

yang mewakili suatu pekerjaan, misalnya;“persiapkan” dokumen “hitung”

gaji.

d. Masing-masing kegiatan didalam bagan alir harus didalm urutan yang

semestinya dan kegiatan yang terpotong dan akan disambung ketempat lain

harus ditunjukan dengan jelas menggunakan symbol penghubung.

e. Gunakanlah symbol-simbol bagan alir yang standar.

Ada 5 macam menurut jogiyanto bagan alir diantranya;

a) Bagan alir sistem (sistems flowchart)

40

Gambar 2.11 Simbol bagan alir sistem

Bagan alir sistem (system flowchart) merupakan bagan yang

menunjukkan arus pekerjaan secara keseluruan dari sistem. Bagan

menjelaskan urutan-urutan dari prosedure-prosedure yang ada dalam sistem.

Bagan alir sistem menunjukan apa yang dikerjakan sistem. Bagan alir sistem

digambar dengan simbol-simbol dapat dilihat pada Gambar 2.11 (Sumber:

Salemba Infotek).

41

b) Bagan alir program (program flowchart)

Gambar 2.12 Simbol bagan alir program

Bagan alir program (program flowchart) merupakan bagan yang

menjelaskan secara rinci langkah-langkah dari proses program. Bagan alir

program dibuat dengan menggunakan simbol-simbol dapat dilihat pada

Gambar 2.12 (Sumber: Salemba Infotek).

c) Bagan alir dokumen (document flowchart)

Bagan alir dokumen (document flowchart) atau disebut bagan alir formulir

(form flowchart) atau paperwork flowchart merupakan bagan alir yang

menunjukan arus dari laporan dan formulir termasuk tembusan-tembusannya.

42

Bagan alir dokumen ini menggunakan simbol-simbol yang sama dengan yang

digunakan di dalam bagan alir sistem.

b. Bagan alir skematik (schematic flowchart)

Bagan alir skematik (schematic flowchart) merupakan bagan alir yang

mirip dengan bagan alir sistem, yaitu untuk menggambarkan prosedur di

dalam sistem. Perbedaannya adalah bagan alir skematik menggunakan

simbol-simbol bagan alir sistem , juga menggunakan gambar - gambar

komputer dan peralatan lainnya yang digunakan. Maksud penggunaan

gambar-gambar ini adalah untuk memudahkan komunikasi kepada orang

yang kurang paham dengan simbol-simbol bagan alir.

e. Bagan alir proses (process flowchart)

Gambar 2.13 Simbol bagan alir proses

Bagan alir proses (process flowchart) merupakan bagan alir yang banyak

digunakan teknik industri. Bagan alir juga berguna bagi anilis sistem untuk

menggambarkan proses dalam suatu prosedure. Bagan alir proses

menggunakan lima buah simbol tersendiri dapat dilihat pada Gambar 2.13

(Sumber: Salemba Infotek).

42

BAB III

METODE PENELITIAN

3.1 Ruang Lingkup Penelitian

Penelitian ini dilakukan untuk membuat suatu program aplikasi untuk

menghitung peramalan Indeks Pembangunan Manusia (IPM) Provinsi Jawa

Tengah Tahun 2014. Fokus dalam penelitian ini adalah peramalan dengan metode

exponential smoothing untuk data Indeks Pembangunan Manusia (IPM) Provinsi

Jawa Tengah Tahun 2014, dan pembuatan program aplikasi peramalan dengan

metode exponential smoothing dengan menggunakan salah satu bahasa

pemograman yaitu Microsoft Visual Basic 6.0.

3.2 Variabel Penelitian dan Cara Pengumpulan Data

3.2.1 Variabel Penelitian

Penelitian ini menitik beratkan pada perhitungan dan pembuatan program

untuk menghitung peramalan IPM Provinsi Jawa Tengah Tahun 2014 dengan

Metode exponential smoothing.

Variabel dalam penelitian ini meliputi data Indeks Pembangunan Manusia

(IPM) Provinsi Jawa Tengah Tahun 2005 sampai Tahun 2013.

3.2.2 Cara Pengumpulan Data

Metode pengumpulan data yang dilakukan dalam penelitian ini adalah

sebagai berikut:

43

a) Metode Studi Pustaka

Penulis mengumpulkan informasi yang diperlukan dalam peneliyian dari

sumber pustaka untuk mengenal istilah-istilah dalam IPM.

b) Metode Dokumentasi

Dengan metode dokumentasi, penulis mengumpulkan data Indeks

Pembangunan Manusia (IPM) Provinsi Jawa Tengah dari tahun 2005 sampai

tahun 2013.

3.3 Metode Penelitian

Metode yang dilakukan dalam penelitian ini adalah menghitung, merancang,

dan membuat program aplikasi Visual Basic 6.0 perhitungan peramalan Indeks

Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 dengan metode

exponential smoothing dengan langkah-langkah sebagai berikut:

1) Mempersiapkan alat dan bahan yang diperlukan

2) Membuat rancangan diagram alir program

3) Mengubah atau menterjemahkan diagram alir program ke dalam tata bahasa

pemograman Microsoft Visual Basic 6.0

4) Membuat program pada aplikasi Microsoft Visual Basic 6.0

5) Mengkompilasi program

6) Menguji program

7) Merevisi program bila diperlukan

8) Memprediksi nilai IPM Provinsi Jawa tengah Tahun 2014

9) Menganalisis hasil.

44

3.4 Analisis Data

Hasil perancangan dan pembuatan program diuraikan dan dijelaskan secara

deskriptif naratif (gambaran secara umum). Penafsiran dan penarikan kesimpulan

dilakukan berdasarkan tiap langkah pembuatan program. Simpulan akhir

ditentukan berhasil atau tidaknya program yang dibuat. Indikator keberhasilan

didasarkan pada kesesuaian program dengan perhitungan secara manual.

3.4.1 Pembuatan program aplikasi metode peramalan exponential

smoothing menggunakan Microsoft Visual Basic 6.0.

Menu program ini terdiri dari: pola data, analyze, petunjuk penggunaan, dan

exit. Pada menu analyze terdiri dari tiga submenu, yaitu single exponential

smoothing, double exponential smoothing, triple exponential smoothing. Pada

masing-masing form baik single, double, maupun triple exponential smoothing

terdapat beberapa tombol yang digunakan untuk menghitung ramalan, melihat

pola data, menginput data, import / export data, menghapus data, dan tombol

home.

3.4.2 Tahap-tahap peramalan

Dalam tahap ini dilakukan pengkajian data yang diperoleh berdasarkan teori

yang ada dan berkaitan dengan exponential smoothing untuk meramalkan nilai

Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah tahun 2014.

3.4.2.1 Melihat Pola Data

Untuk melihat pola data nilai Indeks Pembangunan Manusia (IPM) Provinsi

Jawa Tengah tahun 2014 dari data time series yang ada, dilakukan melihat pada

Graph. Di dalam diagram itu waktu atau periode (X) sebagai absis dan nilai

45

Indeks Pembangunan Manusia (IPM) Provinsi Jawa Tengah (Y) sebagi ordinat.

3.4.2.2 Memilih Metode Exponential Smoothing Yang Sesuai Berdasarkan

Pola Yang Didapat Dari Data Time Series Yang Ada, diantaranya:

a) Jika datanya berfluktuasi secara rendom, maka metode single exponential

smoothing adalah tepat.

b) Jika datanya menunjukan suatu trend linier, maka metode double exponential

adalah tepat.

c) Jika datanya musiman atau fluktuasi teratur, metode triple exponential

smoothing adalah tepat.

3.4.2.3 Menghitung kesalahan ramalan

Mengukur error (kesalahan) forecast biasanya digunakan mean absolute

error dan mean absolute error. Mean absolute error adalah rata-rata nilai

absolute dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya)

atau ∑| |

, untuk mean square error adalah rata-rata dari kesalahan forecast

dikuadratkan atau ∑| |

. Untuk mendapatkan hasil forecast yang mendekati

ketepatan adalah dengan memilih hasil forecast yang memiliki nilai mean square

error atau mean absolute error.

84

BAB V

PENUTUP

5.1 Simpulan

Berdasarkan uraian pada hasil penelitian dan pembahasan maka ditarik

kesimpulan sebagai berikut.

1. Model peramalan metode exponential smoothing terbaik untuk Indeks

Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk

alpha 0,1 menggunakan metode triple exponential smoothing diperoleh

model forecast adalah

. Untuk


model forecast adalah

. Sedangkan

untuk alpha 0,9 menggunakan metode double exponential smoothing

model forecast adalah .

85

2. Hasil perhitungan peramalan exponential smoothing terbaik untuk Indeks

Pembangunan Manusia (IPM) Provinsi Jawa Tengah Tahun 2014 untuk


nilai forecast sebesar 73,43. Untuk alpha 0,5 menggunakan metode triple

exponential smoothing diperoleh nilai forecast sebesar 74,62. Sedangkan

untuk alpha 0,9 menggunakan metode double exponential smoothing

diperoleh nilai forecast sebesar 74,61.

3. Pengembangan program visual basic 6.0 untuk peramalan exponential

smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi

Jawa Tengah Tahun 2014 dengan cara membuat program simulasi

peramalan metode exponential smoothing, yang memuat proses

peramalan, melihat pola data, dan melihat metode hasil peramalan terbaik.

5.1 Saran

Setelah melakukan pembuatan program aplikasi peramalan exponential

smoothing terbaik untuk Indeks Pembangunan Manusia (IPM) Provinsi Jawa

Tengah Tahun 2014, saran yang dapat diberikan sebagai berikut.

1. Peneliti dapat menganalisis peramalan dengan semua nilai alpha tidak

hanya 0,1; 0,5; dan 0,9 untuk lebih mengetahui metode peramalan terbaik

yang tepat untuk setiap nilai alpha.

2. Program simulasi yang tepat dibuat dapat dikembangkan dengan membuat

simulasi program peramalan dengan metode yang lain, karena dalam

penggunaannya lebih efisien waktu.

86

DAFTAR PUSTAKA

Ariyoso. 2009. Metode Eksponential Smoothing Tahun 2009. Jakarta.

Arsyad, Lincolin. 1999. Ekonomi Pembangunan. STIE YKPN. Yogyakarta.

Badan Pusat Statistik dan UNDP. 1993. Indeks Pembangunan Manusia Indoensia,

Perbandingan Antar Provinsi 1990-1993. Badan Pusat Statistik. Jakarta.

Badan Pusat Statistik Provinsi Jawa Tengah. Jawa Tengah Dalam Angka 2014.

Badan Pusat Statistik Provinsi Jawa Tengah. Semarang.

Bappeda Biak Numfor. 2012. Indeks Pembangunan Manusia dan Analisis

Pembangunan Manusia, Biak.

Gitosudarmo, I & Najmudin, M. 2000. Teknis Proyeksi Bisnis. Yogyakarta:

BPFE.

Gujarati, Damodar. 2003. Ekonometrika Dasar. Erlangga. Jakarta.

H. Preston, Samuel, et.all,2004. Demography;measuring and Modelling

population Processes, Blackwell,USA.

Jogiyanto. 2005. Analisis dan Desain. Edisi Ketiga. Yogyakarta: Andi Offset.

Kementerian Pemberdayaan Perempuan dan Perlindungan Anak. 2011.

Pembangunan Manusia Berbasis Gender. CV. Kementerian Pemberdayaan

Perempuan dan Perlindungan Anak. Jakarta.

Komputer, W & Pengembangan. 2004. Tutorial Membuat Program Dengan

Visual Basic. Jakarta: Salemba Infotek.

Kuncoro, Mudrajad. 2003. Ekonomi Pembangunan: Teori, Masalah, dan Kebijakan

Edisi Ketiga. UPP AMP YKPN. Yogyakarta.

Kusrini. 2007. Strategi Perancangan dan Pengelolaan Basis Data. Yogyakarta.

Leabo Dick A., (1968), Basic Forecast Statistics, Journal of the American

Statistical Association:322.

Makridakis, S. 2003. Metode dan Aplikasi Peramalan. Jilid 1. Edisi Revisi.

Binarupa Aksara: Jakarta.

87

Nachrowi, Djalal dan Hardius Usman (2004) Penggunaan Teknik Ekonometr.

Edisi Revisi, PT Rajagrafindo Persada, Jakarta.

Pratiwi, Wiwik D., Indeks Pembangunan Sub Bidang Pembangunan Perdesaan.

Program Studi Arsitektur ITB. Bandung.

Sahli, M. 2013. Penerapan metode exponential smoothing dalam sistem informasi

pengendalian persediaan bahan baku (studi kasus toko tirta harum). Jurnal

SIMETRIS. 3(1): 59-70.

Soepranto, J. 1984. Statistika Teori dan Aplikasi Jilid 1. Jakarta: Erlangga.

Subagyo, P. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta. BPFE-

Yogyakarta.

Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. BPFE: Yogyakarta.

Sudjana. 2005. Metode Statistika. Bandung: PT. Tarsito.

Sugiman. 2013. Bahan Ajar Program Studi Statistika Terapan dan Komputasi D3.

Metode Peramalan (Forecasting).

Suhata. 2005. Visual Basic Sebagai Pusat Kendali Peralatan Elektronik. PT.Elex

Media Komputindo.Jakarta

Supranto, J. 1991. Statistik: Teori dan Aplikasi. Jilid 2. Edisi Kelima. Jakarta:

Erlangga.

Tularam, G. A., at.al. (2008), Exponential Smoothing Method of Base Flow

Separation and Its Impact on Continuous Loss Estimates, American Journal

of Environmental Sciences 4 (2): 136-144, ISSN 1553-345X Science

Publications.

United Nations Development Programme (UNDP). 1990. Global Human

Development Report. Human Resources Department.

88

Lampiran 1

DATA INDEKS PEMBANGUNAN MANUSIA (IPM)

PROVINSI JAWA TENGAH TAHUN 2005 - TAHUN 2013

TAHUN IPM PROVINSI JAWA TENGAH

2005 69,80

2006 70,25

2007 70,91

2008 71,60

2009 72,10

2010 72,49

2011 72,94

2012 73,36

2013 74,05

Sumber : BPS Provinsi Jawa Tengah

89

Lampiran 2

PERAMALAN METODE SINGLE EXPONENTIAL SMOOTHING TAHUN 2014

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,1 α = 0,5 α = 0,9

Forecast Error Absolute

Error Error

2 Forecast Error

Absolute

Error Error

2 Forecast Error

Absolute

Error Error

2

1 2005 69,80

2 2006 70,25 69,80 0,45 0,45 0,20 69,80 0,45 0,45 0,20 69,80 0,45 0,45 0,20

3 2007 70,91 69,85 1,07 1,07 1,13 70,03 0,88 0,88 0,78 70,21 0,70 0,70 0,50

4 2008 71,60 69,95 1,65 1,65 2,72 70,47 1,13 1,13 1,28 70,84 0,76 0,76 0,58

5 2009 72,10 70,12 1,98 1,98 3,93 71,03 1,07 1,07 1,14 71,52 0,58 0,58 0,33

6 2010 72,49 70,31 2,18 2,18 4,73 71,57 0,92 0,92 0,85 72,04 0,45 0,45 0,20

7 2011 72,94 70,53 2,41 2,41 5,80 72,03 0,91 0,91 0,83 72,45 0,49 0,49 0,24

8 2012 73,36 70,77 2,59 2,59 6,69 72,48 0,88 0,88 0,77 72,89 0,47 0,47 0,22

9 2013 74,05 71,03 3,02 3,02 9,11 72,92 1,13 1,13 1,27 73,31 0,74 0,74 0,54

10 2014

71,33

73,49 73,98

Jumlah 633,70 15,34 15,34 34,32 643,81 7,37 7,37 7,13 647,04 4,64 4,64 2,82

Rata-rata 70,41 1,92 1,92 4,29 71,53 0,92 0,92 0,89 71,89 0,58 0,58 0,35

90

Lampiran 3

PERAMALAN METODE DOUBLE EXPONENTIAL SMOOTHING TAHUN 2014

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,1

S'(t) S"(t) a b Forecast Error Absolute

Error

1 2005 69,80 69,8000 69,8000 69,8000

2 2006 70,25 69,8450 69,8045 69,8855 0,0045 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 69,9515 69,8192 70,0838 0,0147 69,8900 1,0200 1,0200 1,0404

4 2008 71,60 70,1164 69,8489 70,3838 0,0297 70,0985 1,5015 1,5015 2,2545

5 2009 72,10 70,3147 69,8955 70,7339 0,0466 70,4135 1,6865 1,6865 2,8443

6 2010 72,49 70,5322 69,9592 71,1053 0,0637 70,7805 1,7095 1,7095 2,9223

7 2011 72,94 70,7730 70,0406 71,5055 0,0814 71,1690 1,7710 1,7710 3,1365

8 2012 73,36 71,0317 70,1397 71,9238 0,0991 71,5869 1,7731 1,7731 3,1440

9 2013 74,05 71,3335 70,2591 72,4080 0,1194 72,0229 2,0271 2,0271 4,1092

10 2014

72,5274

Jumlah 638,2887 11,9387 11,9387 19,6537

Rata-rata 70,9210 1,4923 1,4923 2,4567

91

Lanjutan

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,5


Error

1 2005 69,80 69,8000 69,8000 69,8000

2 2006 70,25 70,0250 69,9125 70,1375 0,1125 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 70,4675 70,1900 70,7450 0,2775 70,2500 0,6600 0,6600 0,4356

4 2008 71,60 71,0338 70,6119 71,4556 0,4219 71,0225 0,5775 0,5775 0,3335

5 2009 72,10 71,5669 71,0894 72,0444 0,4775 71,8775 0,2225 0,2225 0,0495

6 2010 72,49 72,0284 71,5589 72,4980 0,4695 72,5219 -0,0319 0,0319 0,0010

7 2011 72,94 72,4842 72,0216 72,9469 0,4627 72,9675 -0,0275 0,0275 0,0008

8 2012 73,36 72,9221 72,4718 73,3724 0,4503 73,4095 -0,0495 0,0495 0,0025

9 2013 74,05 73,4861 72,9789 73,9932 0,5071 73,8227 0,2273 0,2273 0,0517

10 2014

74,5003

Jumlah 575,6716 2,0284 2,2462 1,0770

Rata-rata 71,9589 0,2536 0,2808 0,1346

92

Lanjutan

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,9


Error

1 2005 69,80 69,8000 69,8000 69,8000

2 2006 70,25 70,0250 69,9125 70,1375 0,1125 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 70,4675 70,1900 70,7450 0,2775 70,2500 0,6600 0,6600 0,4356

4 2008 71,60 71,0338 70,6119 71,4556 0,4219 71,0225 0,5775 0,5775 0,3335

5 2009 72,10 71,5669 71,0894 72,0444 0,4775 71,8775 0,2225 0,2225 0,0495

6 2010 72,49 72,0284 71,5589 72,4980 0,4695 72,5219 -0,0319 0,0319 0,0010

7 2011 72,94 72,4842 72,0216 72,9469 0,4627 72,9675 -0,0275 0,0275 0,0008

8 2012 73,36 72,9221 72,4718 73,3724 0,4503 73,4095 -0,0495 0,0495 0,0025

9 2013 74,05 73,4861 72,9789 73,9932 0,5071 73,8227 0,2273 0,2273 0,0517

10 2014

74,5003

Jumlah 575,6716 2,0284 2,2462 1,0770

Rata-rata 71,9589 0,2536 0,2808 0,1346

93

Lampiran 4

PERAMALAN METODE TRIPLE EXPONENTIAL SMOOTHING TAHUN 2014

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,1

S'(t) S"(t) S'"(t) a b c Forecast Error Absolute

Error

1 2005 69,80 69,8 69,8 69,8 69,8

2 2006 70,25 69,845 69,8045 69,8005 69,9220 0,0119 0,0004 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 69,9515 69,8192 69,8023 70,1992 0,0379 0,0014 69,9340 0,9760 0,9760 0,9525

4 2008 71,60 70,1164 69,8489 69,8070 70,6093 0,0750 0,0028 70,2379 1,3621 1,3621 1,8554

5 2009 72,10 70,3147 69,8955 69,8158 71,0735 0,1147 0,0042 70,6857 1,4143 1,4143 2,0002

6 2010 72,49 70,5322 69,9592 69,8302 71,5494 0,1526 0,0055 71,1903 1,2997 1,2997 1,6892

7 2011 72,94 70,7730 70,0406 69,8512 72,0486 0,1898 0,0067 71,7047 1,2353 1,2353 1,5260

8 2012 73,36 71,0317 70,1397 69,8801 72,5562 0,2251 0,0078 72,2418 1,1182 1,1182 1,2504

9 2013 74,05 71,3335 70,2591 69,9180 73,1414 0,2651 0,0091 72,7851 1,2649 1,2649 1,5998

10 2014

73,4110

Jumlah 641,9906 9,1205 9,1205 11,0761

Rata-rata 71,3323 1,1401 1,1401 1,3845

94

Lanjutan

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,5


Error

1 2005 69,80 69,8000 69,8000 69,8000 69,8000

2 2006 70,25 70,0250 69,9125 69,8563 70,1938 0,1064 0,0563 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 70,4675 70,1900 70,0231 70,8556 0,2330 0,1106 70,3283 0,5817 0,5817 0,3384

4 2008 71,60 71,0338 70,6119 70,3175 71,5831 0,3114 0,1275 71,1439 0,4561 0,4561 0,2080

5 2009 72,10 71,5669 71,0894 70,7034 72,1359 0,2970 0,0916 71,9583 0,1417 0,1417 0,0201

6 2010 72,49 72,0284 71,5589 71,1312 72,5398 0,2413 0,0418 72,4787 0,0113 0,0113 0,0001

7 2011 72,94 72,4842 72,0216 71,5764 72,9643 0,2129 0,0175 72,8020 0,1380 0,1380 0,0190

8 2012 73,36 72,9221 72,4718 72,0241 73,3749 0,1920 0,0025 73,1859 0,1741 0,1741 0,0303

9 2013 74,05 73,4861 72,9789 72,5015 74,0229 0,2444 0,0297 73,5682 0,4818 0,4818 0,2322

10 2014

74,2821

Jumlah 649,5474 2,4347 2,4347 1,0506

Rata-rata 72,1719 0,3043 0,3043 0,1313

95

Lanjutan

No Tahun

Indeks

Pembangunan

Daerah (IPM)

α = 0,9


Error

1 2005 69,80 69,8000 69,8000 69,8000 69,8000

2 2006 70,25 70,2050 70,1645 70,1281 70,2496 0,0119 0,3280 69,8000 0,4500 0,4500 0,2025

3 2007 70,91 70,8395 70,7720 70,7076 70,9101 0,0157 0,2515 70,4255 0,4845 0,4845 0,2347

4 2008 71,60 71,5240 71,4488 71,3746 71,6002 0,0147 0,0875 71,0515 0,5485 0,5485 0,3008

5 2009 72,10 72,0424 71,9830 71,9222 72,1003 0,0089 -0,1195 71,6587 0,4413 0,4413 0,1948

6 2010 72,49 72,4452 72,3990 72,3513 72,4900 0,0066 -0,1184 72,0494 0,4406 0,4406 0,1941

7 2011 72,94 72,8905 72,8414 72,7924 72,9398 0,0090 0,0119 72,4374 0,5026 0,5026 0,2526

8 2012 73,36 73,3131 73,2659 73,2185 73,3600 0,0082 -0,0149 72,9547 0,4053 0,4053 0,1642

9 2013 74,05 73,9763 73,9053 73,8366 74,0497 0,0155 0,1919 73,3608 0,6892 0,6892 0,4750

10 2014

74,1611

Jumlah 647,8992 3,9619 3,9619 2,0188

Rata-rata 71,9888 0,4952 0,4952 0,2523

96

Lampiran 5

Koding Program Simulasi Peramalan Exponential Smoothing

1. Koding Form Utama

Private Sub MDIForm_Load()

koneksi.OpenConnection "localhost", "root", "", "peramalan", 3306

rs1.CloseRecordset

rs1.OpenRs "delete from `exponential smoothing`", koneksi

End Sub

Private Sub mncontoh_Click()

Form7.Show

Form1.Hide

End Sub

Private Sub mnperamalan_Click()

Form1.Hide

Form7.Show

End Sub

Private Sub mnudata_Click()

Form1.Show

End Sub

Private Sub mnudouble_Click()

Form1.Hide

Form3.Show

End Sub

Private Sub mnukeluar_Click()

rs1.CloseRecordset

rs1.OpenRs "delete from `exponential smoothing`", koneksi

End

End Sub

Private Sub mnulaporan_Click()

Form1.Hide

Form5.Show

End Sub

Private Sub mnusingle_Click()

Form1.Hide

Form2.Show

End Sub

97

Private Sub mnutriple_Click()

Form1.Hide

Form4.Show

End Sub

Private Sub cmdulangi_Click()

Unload Me

Me.Show

End Sub

Private Sub cmddata_Click()

Form7.Hide

Form1.Show

End Sub

2. Koding Form Input Data

Private Function openExcelFile(ByVal excelFile As String) As Boolean On Error

GoTo errHandle Set conXLS = New ADODB.Connection

conXLS.ConnectionString = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=" &

Replace(excelFile, Chr$(0), "") & ";Extended Properties=""Excel

8.0;HDR=Yes;IMEX=1""" conXLS.Open openExcelFile = True Exit Function

errHandle: openExcelFile = False

End Function

Private Sub cmdinput_Click()

Dim rsExcel As ADODB.Recordset

Dim strSql As String

startexcel

baris = 0

With C

.DialogTitle = "Pilih File Excelnya"

.InitDir = App.Path

.ShowOpen

End With

If C.FileName <> "" Then

Set wb = Eksel.Workbooks.Open(C.FileName)

If openExcelFile(C.FileName) Then

strSql = "SELECT * FROM [Sheet1$]"

Set rsExcel = New ADODB.Recordset

rsExcel.Open strSql, conXLS, adOpenForwardOnly, adLockReadOnly

If Not rsExcel.EOF Then

Do While Not rsExcel.EOF

baris = baris + 1

MSFlexGrid1.Rows = baris + 1

MSFlexGrid1.Cols = 11

MSFlexGrid1.TextMatrix(baris, 0) = rsExcel(0).Value






98






rsExcel.MoveNext

DoEvents

Loop

End If

rsExcel.Close

Set rsExcel = Nothing

End If

wb.Close

Eksel.Quit

End If

cmdok.Enabled = True

End Sub

Private Sub startexcel()

On Error GoTo salah

Set Eksel = GetObject(, "excel.Application")

Exit Sub

salah:

Set Eksel = CreateObject("excel.Application")

End Sub

Private Sub cmdperamalan_Click()

Form1.Hide

Form7.Show

End Sub

Private Sub cmgrafik_Click()

If MSFlexGrid2.TextMatrix(1, 1) = "" Then

Respon = MsgBox("Silahkan Isi Data Dulu", vbOKOnly + vbInformation,

"Peringatan")

Else

With Me.MSChart1

.ColumnCount = 1

.RowCount = MSFlexGrid2.Rows - 1

For j = 1 To MSFlexGrid2.Rows - 1

.Row = j

.Column = 1

.RowLabel = j

.Data = MSFlexGrid2.TextMatrix(j, 1)

Next

End With

End If

End Sub

Private Sub cmdok_Click()


100

MSFlexGrid2.Rows = MSFlexGrid1.Cols - 1

For I = 2 To MSFlexGrid1.Cols - 1

MSFlexGrid2.TextMatrix(I - 1, 1) = MSFlexGrid1.TextMatrix(Text1.Text, I)

Next I

cmdperamalan.Enabled = True

End Sub

Private Sub Form_Load()



MSFlexGrid1.ColWidth(0) = 800











MSFlexGrid1.TextMatrix(0, 0) = "Kode"

MSFlexGrid1.TextMatrix(0, 1) = "Kab/Kota"

MSFlexGrid1.TextMatrix(0, 2) = "2005"









cmdok.Enabled = False

cmdperamalan.Enabled = False

End Sub

3. Koding Form Peramalan

Private Sub cmddata_Click(Index As Integer)

Form1.Show

Unload Me

End Sub

Private Sub cmddetaildouble_Click()

Form3.Show

End Sub

Private Sub cmddetailsingle_Click()

Form2.Show

End Sub

Private Sub cmddetailtriple_Click()

101

Form4.Show

End Sub

Private Sub cmdtampilkan_Click()

If cbalfa.Text = "Alfa" Then

Respon = MsgBox("Silahkan Pilih Alfa Dulu", vbOKOnly + vbInformation,

"Peringatan")

Else

Form2.Show

Form2.Hide

Form2.MSFlexGrid1.Rows = Form1.MSFlexGrid2.Rows + 3

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 3) = "Jumlah"

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 3) = "Rata-rata"

For I = 1 To Form1.MSFlexGrid2.Rows - 1

Form2.MSFlexGrid1.TextMatrix(I, 1) = Form1.MSFlexGrid2.TextMatrix(I, 1)

Next

If Form2.MSFlexGrid1.TextMatrix(1, 0) = "" Then

n = Form2.MSFlexGrid1.Rows - 3

For I = 1 To n

Form2.MSFlexGrid1.TextMatrix(I, 0) = I

Next

End If

Form2.MSFlexGrid1.TextMatrix(1, 2) = "-"




Form2.MSFlexGrid1.TextMatrix(2, 2) = Form2.MSFlexGrid1.TextMatrix(1, 1)

For k = 3 To Form2.MSFlexGrid1.Rows - 4

Form2.MSFlexGrid1.TextMatrix(k, 2) = (Format((cbalfa.Text *

Form2.MSFlexGrid1.TextMatrix(k - 1, 1)) + ((1 - cbalfa.Text) *

Form2.MSFlexGrid1.TextMatrix(k - 1, 2)), "##0.0000"))

Next


Form2.MSFlexGrid1.TextMatrix(I + 1, 2) = (Format((cbalfa.Text *

Form2.MSFlexGrid1.TextMatrix(I, 1)) + ((1 - cbalfa.Text) *

Form2.MSFlexGrid1.TextMatrix(I, 2)), "##0.0000"))

Form2.MSFlexGrid1.TextMatrix(I, 3) =

(Format((Form2.MSFlexGrid1.TextMatrix(I, 1) - Form2.MSFlexGrid1.TextMatrix(I,

2)), "##0.0000"))


(Format(Abs(Form2.MSFlexGrid1.TextMatrix(I, 3)), "##0.0000##"))


(Format(((Form2.MSFlexGrid1.TextMatrix(I, 4)) ^ 2), "##0.0000##"))

Next

eror = 0

eror2 = 0

For j = 2 To Form2.MSFlexGrid1.Rows - 4

eror = eror + Form2.MSFlexGrid1.TextMatrix(j, 4)

eror2 = eror2 + Form2.MSFlexGrid1.TextMatrix(j, 5)

Next

mae = Format((eror / (Form2.MSFlexGrid1.Rows - 5)), "##0.0000")

102

mse = Format((eror2 / (Form2.MSFlexGrid1.Rows - 5)), "##0.0000")

102

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 4) = Format(eror,

"##0.0000")

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 4) = Format(mae,

"##0.0000")

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 2, 5) = Format(eror2,

"##0.0000")

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 1, 5) = Format(mse,

"##0.0000")

koneksi.Execute "INSERT INTO èxponential smoothing` (`Metode`, Àlfa`,

`Ramalan`, `MAE`, `MSE`) values ('Single','" & cbalfa.Text & "','" &

Form2.MSFlexGrid1.TextMatrix(Form2.MSFlexGrid1.Rows - 3, 2) & "','" & mae &

"','" & mse & "')"

rs.CloseRecordset

rs.OpenRs "select * from èxponential smoothing` where `Metode` = 'Single'",

koneksi

With rs

Form2.MSFlexGrid2.Rows = .RecordCount + 1

.MoveFirst

baris = 0

Do

baris = baris + 1

For kolom = 1 To .FieldCount - 1

Form2.MSFlexGrid2.TextMatrix(.RecordCount, kolom - 1) = .Fields(kolom)

Next

.MoveNext

Loop Until .EOF

End With

rs3.CloseRecordset

rs3.OpenRs "select min(`MAE`) as minimum from èxponential smoothing` where

`Metode` = 'Single'", koneksi

mae = rs3.Fields("minimum")

rs4.CloseRecordset

rs4.OpenRs "select * from èxponential smoothing` where `MAE` = '" &

rs3.Fields("minimum") & "' and `Metode` = 'Single'", koneksi

Form7.lblkesimpulan1.Caption = "Hasil peramalan Indeks Pembangunan Manusia

(IPM) Tahun 2014 dengan metode Single Exponential Smoothing, dengan alfa

sebesar " + rs4.Fields("Alfa") + " adalah " + rs4.Fields("Ramalan")



"Peringatan")

Else

Dim Nilai1(1 To 1000, 1 To 2)


Nilai1(j, 1) = Form2.MSFlexGrid1.TextMatrix(j, 1)

Next


Nilai1(k, 2) = Form2.MSFlexGrid1.TextMatrix(k, 2)

Next

Form3.Show

Form3.Hide

103


103





Next



For I = 1 To n


Next

End If











Form3.MSFlexGrid1.TextMatrix(I, 2) = (Format((cbalfa.Text *


Form3.MSFlexGrid1.TextMatrix(I - 1, 2)), "##0.0000"))




Form3.MSFlexGrid1.TextMatrix(I, 4) = (Format((2 *

Form3.MSFlexGrid1.TextMatrix(I, 2)) - (Form3.MSFlexGrid1.TextMatrix(I, 3)),

"##0.0000"))

Form3.MSFlexGrid1.TextMatrix(I, 5) = (Format(((cbalfa.Text *

Form3.MSFlexGrid1.TextMatrix(I, 2)) - (cbalfa.Text *

Form3.MSFlexGrid1.TextMatrix(I, 3))) / (1 - cbalfa.Text), "##0.0000"))

Next


Form3.MSFlexGrid1.TextMatrix(k + 1, 6) =

(Format(Form3.MSFlexGrid1.TextMatrix(k, 4) - 1 +

Form3.MSFlexGrid1.TextMatrix(k, 5) + 1, "##0.0000"))

Form3.MSFlexGrid1.TextMatrix(k, 7) =

(Format(Form3.MSFlexGrid1.TextMatrix(k, 1) - Form3.MSFlexGrid1.TextMatrix(k,

6), "##0.0000"))


(Format(Abs(Form3.MSFlexGrid1.TextMatrix(k, 7)), "##0.0000"))


(Format(((Form3.MSFlexGrid1.TextMatrix(k, 7)) ^ 2), "##0.0000"))

Next

eror = 0

eror2 = 0




104

Next

104




"##0.0000")


"##0.0000")

Form3.MSFlexGrid1.TextMatrix(Form3.MSFlexGrid1.Rows - 2, 9) = Format(eror2,

"##0.0000")


"##0.0000")


`Ramalan`, `MAE`, `MSE`) values ('Double','" & cbalfa.Text & "','" &


"','" & mse & "')"

rs.CloseRecordset

rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Double'",

koneksi

With rs


.MoveFirst

baris = 0

Do

baris = baris + 1


Form3.MSFlexGrid2.TextMatrix(baris, kolom - 1) = .Fields(kolom)

Next

.MoveNext

Loop Until .EOF

End With

rs3.CloseRecordset

rs3.OpenRs "select min(`MAE`) as minimum from `exponential smoothing` where

`Metode` = 'Double'", koneksi

mae = rs3.Fields("minimum")

rs4.CloseRecordset


rs3.Fields("minimum") & "' and `Metode` = 'Double'", koneksi

Form7.lblkesimpulan2.Caption = "Hasil peramalan Indeks Pembangunan Manusia

(IPM) Tahun 2014 dengan metode Double Exponential Smoothing, dengan alfa

sebesar " + rs4.Fields("Alfa") + " adalah " + rs4.Fields("Ramalan")



"Peringatan")

Else




Next



Next

105

Form4.Show

Form4.Hide






Next



For I = 1 To n


Next

End If






















Form4.MSFlexGrid1.TextMatrix(I, 5) = (Format((3 *

Form4.MSFlexGrid1.TextMatrix(I, 2)) - (3 * Form4.MSFlexGrid1.TextMatrix(I, 3))

+ Form4.MSFlexGrid1.TextMatrix(I, 4), "##0.0000"))

Form4.MSFlexGrid1.TextMatrix(I, 6) = (Format(((cbalfa.Text) * (((6 - (5 *

cbalfa.Text)) * Form4.MSFlexGrid1.TextMatrix(I, 2)) - ((10 - (8 * cbalfa.Text)) *

Form4.MSFlexGrid1.TextMatrix(I, 3)) + ((4 - (3 * cbalfa.Text)) *

Form4.MSFlexGrid1.TextMatrix(I, 4))) / (2 * ((1 - cbalfa.Text) ^ 2))), "##0.0000"))

Form4.MSFlexGrid1.TextMatrix(I, 7) = (Format(((((cbalfa.Text) ^ 2) *

Form4.MSFlexGrid1.TextMatrix(I, 2)) - (((cbalfa.Text) ^ 2) * (2 *

Form4.MSFlexGrid1.TextMatrix(I, 3))) + (((cbalfa.Text) ^ 2) *

Form4.MSFlexGrid1.TextMatrix(I, 4))) / ((1 - cbalfa.Text) ^ 2), "##0.0000"))

Next


Form4.MSFlexGrid1.TextMatrix(k + 1, 8) =

(Format(Form4.MSFlexGrid1.TextMatrix(k, 5) +

106

(Form4.MSFlexGrid1.TextMatrix(k, 6) * 1) + ((Form4.MSFlexGrid1.TextMatrix(k,

7) / 2) * (1 ^ 2)), "##0.0000"))


(Format(Form4.MSFlexGrid1.TextMatrix(k, 1) - Form4.MSFlexGrid1.TextMatrix(k,

8), "##0.0000"))


(Format(Abs(Form4.MSFlexGrid1.TextMatrix(k, 9)), "##0.0000"))


(Format(((Form4.MSFlexGrid1.TextMatrix(k, 9)) ^ 2), "##0.0000"))

Next

eror = 0

eror2 = 0




Next




"##0.0000")


"##0.0000")

Form4.MSFlexGrid1.TextMatrix(Form4.MSFlexGrid1.Rows - 2, 11) =

Format(eror2, "##0.0000")


"##0.0000")


`Ramalan`, `MAE`, `MSE`) values ('Triple','" & cbalfa.Text & "','" &


"','" & mse & "')"

rs.CloseRecordset

rs.OpenRs "select * from `exponential smoothing` where `Metode` = 'Triple'",

koneksi

With rs


.MoveFirst

baris = 0

Do

baris = baris + 1


Form4.MSFlexGrid2.TextMatrix(baris, kolom - 1) = .Fields(kolom)

Next

.MoveNext

Loop Until .EOF

End With

rs5.CloseRecordset

rs5.OpenRs "select min(MAE) as minimum from `exponential smoothing` where

`Metode` = 'Triple'", koneksi

rs6.CloseRecordset


rs5.Fields("minimum") & "' and `Metode` = 'Triple'", koneksi

107

lblkesimpulan3.Caption = "Hasil peramalan Indeks Pembangunan Manusia (IPM)

Tahun 2014 dengan metode Triple Exponential Smoothing, dengan alfa sebesar " +

rs6.Fields("Alfa") + " adalah " + rs6.Fields("Ramalan")

107

rs1.CloseRecordset


`Metode` = 'Single'", koneksi

rs2.CloseRecordset


rs1.Fields("minimum") & "' and `Metode` = 'Single'", koneksi

MSFlexGrid1.TextMatrix(1, 0) = rs2.Fields("Metode")

MSFlexGrid1.TextMatrix(1, 1) = rs2.Fields("Alfa")

MSFlexGrid1.TextMatrix(1, 2) = rs2.Fields("Ramalan")

MSFlexGrid1.TextMatrix(1, 3) = rs2.Fields("MAE")

MSFlexGrid1.TextMatrix(1, 4) = rs2.Fields("MSE")

rs3.CloseRecordset


`Metode` = 'Double'", koneksi

rs4.CloseRecordset


rs3.Fields("minimum") & "' and `Metode` = 'Double'", koneksi






rs5.CloseRecordset


`Metode` = 'Triple'", koneksi

rs6.CloseRecordset


rs5.Fields("minimum") & "' and `Metode` = 'Triple'", koneksi






rs7.CloseRecordset

rs7.OpenRs "select min(`MAE`) as minimum from `exponential smoothing`",

koneksi

rs8.CloseRecordset


rs7.Fields("minimum") & "'", koneksi

Label6.Caption = "Berdasarkan peramalan Indeks Pembangunan Manusia (IPM)

Tahun 2014 tersebut, dapat disimpulkan metode peramalan yang terbaik dengan alfa

sebesar " + rs8.Fields("Alfa") + " adalah metode " + rs8.Fields("Metode") + "

Exponential Smoothing dengan hasil ramalan " + rs8.Fields("Ramalan") + " karena

mempunyai nilai MAE dan MSE terkecil yaitu " + rs8.Fields("MAE") + " dan " +

rs8.Fields("MSE")



"Peringatan")

Else



108


108

Next



Next

End If

End If

End If

End If

cmddetaildouble.Enabled = True

cmddetailsingle.Enabled = True

cmddetailtriple.Enabled = True

End Sub

Private Sub cmdulangi_Click(Index As Integer)

Unload Me

Me.Show

End Sub



cbalfa.AddItem (0.1)









MSFlexGrid1.Rows = 4







MSFlexGrid1.TextMatrix(0, 0) = "Metode"

MSFlexGrid1.TextMatrix(0, 1) = "Alfa"

MSFlexGrid1.TextMatrix(0, 2) = "Ramalan"

MSFlexGrid1.TextMatrix(0, 3) = "MAE"

MSFlexGrid1.TextMatrix(0, 4) = "MSE"

cmddetaildouble.Enabled = False

cmddetailsingle.Enabled = False

cmddetailtriple.Enabled = False

End Sub

4. Koding Form Single Exponential Smoothing

Private Sub Command1_Click()

Form7.Show

Form2.Hide

End Sub

109












cbalfa.Text = Form7.cbalfa.Text



















MSFlexGrid1.TextMatrix(0, 0) = "Periode"

MSFlexGrid1.TextMatrix(0, 1) = "Data"

MSFlexGrid1.TextMatrix(0, 2) = "Forecast"

MSFlexGrid1.TextMatrix(0, 3) = "Error"

MSFlexGrid1.TextMatrix(0, 4) = "Abs Error"

MSFlexGrid1.TextMatrix(0, 5) = "Error^2"

End Sub

5. Koding Form Double Exponential Smoothing


Form7.Show

Form3.Hide

End Sub







110































MSFlexGrid1.TextMatrix(0, 2) = "S'"

MSFlexGrid1.TextMatrix(0, 3) = "S''"

MSFlexGrid1.TextMatrix(0, 4) = "Nilai a"

MSFlexGrid1.TextMatrix(0, 5) = "Nilai b"





End Sub

6. Koding Form Triple Exponential Smoothing


Form7.Show

Form4.Hide

End Sub






111


































MSFlexGrid1.TextMatrix(0, 2) = "S'"

MSFlexGrid1.TextMatrix(0, 3) = "S''"

MSFlexGrid1.TextMatrix(0, 4) = "S'''"

MSFlexGrid1.TextMatrix(0, 5) = "Nilai a"

MSFlexGrid1.TextMatrix(0, 6) = "Nilai b"

MSFlexGrid1.TextMatrix(0, 7) = "Nilai c"





End Sub

simulasi peramalan tingkat indeks …lib.unnes.ac.id/21755/1/4112312033-s.pdf · exponential...

Documents